如何推导平移旋转后坐标公式？

Question

在二维坐标系中，如何推导一个点绕原点旋转θ角并进行平移后的坐标变换公式？常见问题是：当点 $ P(x, y) $ 先绕原点逆时针旋转θ角得到新坐标，再平移 $ (t_x, t_y) $ 时，最终坐标的表达式应如何推导？尤其容易混淆的是变换顺序——若先平移再旋转，结果是否相同？许多初学者忽略齐次坐标与变换矩阵的结合使用，导致推导错误。请说明正确步骤，并解释为何变换顺序会影响最终结果。

Answer 1

二维坐标系中点的旋转与平移变换：从基础到矩阵推导

1. 基础概念：旋转与平移的数学表达

在二维笛卡尔坐标系中，一个点 $ P(x, y) $ 的几何变换包括旋转和平移两种基本操作。

• 绕原点逆时针旋转θ角：使用三角函数可得新坐标为：
• $$ x' = x\cos\theta - y\sin\theta $$ $$ y' = x\sin\theta + y\cos\theta $$
• 平移操作：将点沿 $x$ 和 $y$ 方向分别移动 $ t_x $、$ t_y $，即：
• $$ x'' = x' + t_x $$ $$ y'' = y' + t_y $$

若先旋转再平移，则最终坐标为：

$$ \begin{cases} x_{\text{final}} = x\cos\theta - y\sin\theta + t_x \\ y_{\text{final}} = x\sin\theta + y\cos\theta + t_y \end{cases} $$

2. 变换顺序的影响：先平移 vs 先旋转

变换顺序对结果有显著影响。考虑以下两种情况：

1. 先旋转后平移：旋转以原点为中心，平移是全局位移，不影响旋转中心。
2. 先平移后旋转：此时点已不在原点附近，旋转仍围绕原点进行，导致轨迹偏移。

变换顺序	数学表达式
先旋转后平移	$ x_f = x\cos\theta - y\sin\theta + t_x $ $ y_f = x\sin\theta + y\cos\theta + t_y $
先平移后旋转	$ x_f = (x + t_x)\cos\theta - (y + t_y)\sin\theta $ $ y_f = (x + t_x)\sin\theta + (y + t_y)\cos\theta $

显然两者不等价，说明仿射变换不可交换。

3. 齐次坐标与变换矩阵的引入

为统一处理旋转与平移，引入齐次坐标（Homogeneous Coordinates）：

$$ P(x, y) \rightarrow \begin{bmatrix} x \\ y \\ 1 \end{bmatrix} $$

旋转和平移可分别表示为矩阵形式：

旋转矩阵 R(θ):
| cosθ  -sinθ  0 |
| sinθ   cosθ  0 |
|   0      0   1 |

平移矩阵 T(tx, ty):
| 1  0  tx |
| 0  1  ty |
| 0  0   1 |

复合变换可通过矩阵乘法实现。

4. 复合变换的矩阵推导

当先旋转后平移时，总变换矩阵为：

$$ M_1 = T \cdot R(\theta) = \begin{bmatrix} 1 & 0 & t_x \\ 0 & 1 & t_y \\ 0 & 0 & 1 \end{bmatrix} \cdot \begin{bmatrix} \cos\theta & -\sin\theta & 0 \\ \sin\theta & \cos\theta & 0 \\ 0 & 0 & 1 \end{bmatrix} = \begin{bmatrix} \cos\theta & -\sin\theta & t_x \\ \sin\theta & \cos\theta & t_y \\ 0 & 0 & 1 \end{bmatrix} $$

作用于点 $ [x, y, 1]^T $ 得到：

$$ \begin{bmatrix} x_f \\ y_f \\ 1 \end{bmatrix} = \begin{bmatrix} \cos\theta & -\sin\theta & t_x \\ \sin\theta & \cos\theta & t_y \\ 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} x \\ y \\ 1 \end{bmatrix} $$

展开后与前述公式一致。

5. 若先平移后旋转的矩阵形式

此时变换顺序为 $ R \cdot T $，即：

$$ M_2 = R(\theta) \cdot T = \begin{bmatrix} \cos\theta & -\sin\theta & 0 \\ \sin\theta & \cos\theta & 0 \\ 0 & 0 & 1 \end{bmatrix} \cdot \begin{bmatrix} 1 & 0 & t_x \\ 0 & 1 & t_y \\ 0 & 0 & 1 \end{bmatrix} = \begin{bmatrix} \cos\theta & -\sin\theta & t_x\cos\theta - t_y\sin\theta \\ \sin\theta & \cos\theta & t_x\sin\theta + t_y\cos\theta \\ 0 & 0 & 1 \end{bmatrix} $$

可见平移分量也被旋转了，这解释了为何结果不同。

6. 流程图：二维仿射变换执行逻辑

graph TD A[输入点 P(x, y)] --> B{选择变换顺序} B --> C[先旋转后平移] B --> D[先平移后旋转] C --> E[应用旋转矩阵 R(θ)] E --> F[应用平移矩阵 T] D --> G[应用平移矩阵 T] G --> H[应用旋转矩阵 R(θ)] F --> I[输出最终坐标] H --> I I --> J[可视化或进一步处理]

7. 实际应用场景分析

在计算机图形学、机器人路径规划、CAD系统中，此类变换极为常见。例如：

• 机器人末端执行器的姿态调整：需先旋转工具方向，再定位到目标位置。
• UI元素动画：图标旋转后再移动到屏幕某区域，必须保持顺序正确。
• 图像配准：医学图像叠加时，若顺序错误会导致配准失败。

忽略变换顺序可能导致系统级误差累积。

8. 编程实现示例（Python）

import numpy as np

def rotate_then_translate(x, y, theta, tx, ty):
    cos_t, sin_t = np.cos(theta), np.sin(theta)
    x_rot = x * cos_t - y * sin_t
    y_rot = x * sin_t + y * cos_t
    return x_rot + tx, y_rot + ty

def translate_then_rotate(x, y, theta, tx, ty):
    x_trans, y_trans = x + tx, y + ty
    cos_t, sin_t = np.cos(theta), np.sin(theta)
    return x_trans * cos_t - y_trans * sin_t, x_trans * sin_t + y_trans * cos_t

# 示例调用
P = (1, 0)
result1 = rotate_then_translate(*P, np.pi/2, 2, 3)  # 先转90°再平移
result2 = translate_then_rotate(*P, np.pi/2, 2, 3)  # 先平移再转90°
print("先旋转后平移:", result1)  # 输出: (2.0, 4.0)
print("先平移后旋转:", result2)  # 输出: (-3.0, 3.0)

输出差异明显，验证理论推导。