Matrix¶

class Matrix()¶

Matrix 在cairo中被广泛的用于不同坐标系统间的转换。一个 Matrix 代表一个仿射变换，例如缩放、旋转、剪辑（shear）或以上几种的组合。点 (x, y) 的转换通过如下方式给出:

x_new = xx * x + xy * y + x0
y_new = yx * x + yy * y + y0

Context 的当前转换矩阵CTX即 Matrix ，定义了从用户空间坐标到设备空间坐标的转换。

一些标准的Python操作可以被用于矩阵 matrix:

读取矩阵 Matrix 的值:

xx, yx, xy, yy, x0, y0 = matrix

两个矩阵相乘:

matrix3 = matrix1.multiply(matrix2)
# or equivalently
matrix3 = matrix1 * matrix2

比较两个矩阵:

matrix1 == matrix2
matrix1 != matrix2

更多矩阵转换相关的内容请参考 http://www.cairographics.org/matrix_transform （译注，矩阵相关的文章 http://blog.csdn.net/xiaojidan2011/article/details/8213873 ）

class cairo.Matrix(xx = 1.0, yx = 0.0, xy = 0.0, yy = 1.0, x0 = 0.0, y0 = 0.0)¶

参数:	xx (float) – 仿射变换的xx组件 yx (float) – 仿射变换的yx组件 xy (float) – 仿射变换的xy组件 yy (float) – 仿射变换的yy组件 x0 (float) – 仿射变换的X组件 y0 (float) – 仿射变换的Y组件

使用 xx, yx, xy, yy, x0, y0 定义的仿射变换创建一个矩阵 Matrix 。仿射变换的公式如下:

x_new = xx * x + xy * y + x0
y_new = yx * x + yy * y + y0

创建一个新的独立的矩阵:

matrix = cairo.Matrix()

要创建一个在X和Y轴变换(translates by)tx和ty的矩阵，可以向下面这样:

matrix = cairo.Matrix(x0=tx, y0=ty)

要创建一个在X和Y轴缩放(scale by)tx和ty的矩阵，可以向下面这样:

matrix = cairo.Matrix(xx=sy, yy=sy)

classmethod init_rotate(radians)¶

参数:	radians (float) – 旋转的角度，单位为弧度。旋转的方向从正X轴到正Y轴为正向的角度。再考虑到cairo中轴默认的方向，正角度为时钟旋转的方向。
返回:	设置旋转角度为 radians 的新的 Matrix 。

invert()¶

返回:	如果 Matrix 有逆矩阵（inverse），修改 Matrix 为其逆矩阵并返回None。
Raises:	如果 Matrix 没有逆矩阵触发 `cairo.Error` 异常。

将矩阵 Matrix 转换为其逆矩阵，并不是所有的转换矩阵都有逆矩阵，如果那么本函数会失败。（if the matrix collapses points together (it is degenerate), then it has no inverse and this function will fail.）

multiply(matrix2)¶

参数:	matrix2 (cairo.Matrix) – 另一个矩阵
返回:	一个新的 Matrix

两个仿射矩阵 Matrix 和 matrix2 相乘。新矩阵产生的效果为先将第一个矩阵变换 Matrix 作用于坐标再将第二个矩阵 matrix2 作用于坐标。

结果与 Matrix 或 matrix2 不相同也是可以接受的。

It is allowable for result to be identical to either Matrix or matrix2.

rotate(radians)¶

参数:	radians (float) – 旋转的角度，单位为弧度。旋转的方向从正X轴到正Y轴为正向的角度。再考虑到cairo中轴默认的方向，正角度为时钟旋转的方向。

初始化 Matrix 为一个旋转 radians 弧度的一个转换。

scale(sx, sy)¶

参数:	sx (float) – X方向的缩放因子 sy (float) – Y方向的缩放因子

对 Matrix 中的转换应用 sx, sy 缩放。新的转换的效果为首先以 sx 和 sy 缩放坐标，然后对坐标应用原来的转换。

transform_distance(dx, dy)¶

参数:	dx (float) – 空间向量的X组件 dy (float) – 空间向量的Y组件
返回:	转换后的空间向量 (dx,dy)
返回类型:	(float, float)

使用矩阵 Matrix 转换空间向量 (dx,dy) 。其类似于 transform_point() ，但是转换的转换组件被忽略。（except that the translation components of the transformation are ignored.）返回的向量是如此计算得出的:

dx2 = dx1 * a + dy1 * c
dy2 = dx1 * b + dy1 * d

仿射变换是位置不变的，因此相同的向量总是转换为相同的向量。如果 (x1,y1) 转换为 (x2,y2) 那么对于所有的 x1 和 x2 (x1+dx1,y1+dy1) 会转换为 (x1+dx2,y1+dy2) 。

Affine transformations are position invariant, so the same vector always transforms to the same vector. If (x1,y1) transforms to (x2,y2) then (x1+dx1,y1+dy1) will transform to (x1+dx2,y1+dy2) for all values of x1 and x2.

transform_point(x, y)¶

参数:	x (float) – 点的X坐标 y (float) – 点的Y坐标
返回:	转换后的点 (x,y)
返回类型:	(float, float)

使用 Matrix 转换点 (x, y) 。

translate(tx, ty)¶

参数:	tx (float) – X方向转换的数量 ty (float) – Y方向转换的数量

对 Matrix 的转换应用 tx, ty 转换。新的转换的效果为先以 tx 和 ty 转换坐标，再应用原来的变换。