c
c


Tҥi sao các thuұt toán dӵa trên đưӡng quét (scanline) lҥi phù hӧp vӟi kiӃn trúc
phҫn cӭng cӫa máy tính hiӋn đҥi?
Vӟi các thuұt toán vӁ đưӡng thҷng trên kiӃn trúc phҫn cӭng cӫa máy tính hiӋn
đҥi chӍ loҥi đưӡng thҷng nào vӁ ra mӟi thӵc sӵ là đưӡng thҷng?
c 
HiӋn nay, các thiӃt bӏ đӗ hӑa là thiӃt bӏ mành. Mành là mӝt ma trұn chӳ nhұt
gӗm các điӇm ҧnh (pixel). Mӝt dòng cӫa mành gӑi là đưӡng quét (scanline). Toàn
bӝ bӭc ҧnh sӁ đưӧc mӝt bӝ phұn điӅu khiӇn quét lҫn lưӧt tӯng dòng tӯ trên xuӕng
dưӟi. Mӝt súng điӋn tӱ sӁ bҳn vào lӟp phӕt pho đӇ tҥo nên cưӡng đӝ sáng cӫa
điӇm, trong hӋ thӕng màn hình màu, ba súng điӋn tӱ đưӧc dùng tương ӭng vӟi ba
màu cơ bҧn đӓ, xanh lá cây và xanh da trӡi. Ҧnh hiӇn thӏ trên màn hình đưӧc tҥo
nên do sӵ kӃt hӧp cӫa các điӇm đưӧc thҳp sáng và điӇm không đưӧc thҳp sáng. Vì
thӃ, các thuұt toán dӵa trên đưӡng quét là phù hӧp.
Vӟi các thuұt toán vӁ đưӡng thҷng trên kiӃn trúc phҫn cӭng cӫa máy tính hiӋn
đҥi thì chӍ nhӳng đưӡng thҷng song song vӟi trөc tӑa đӝ hoһc có góc 45 đӝ vӟi trөc
tӑa đӝ mӟi thӵc sӵ là đưӡng thҷng.


ĐiӅu kiӋn cӫa mӝt đưӡng thҷng hoàn hҧo (lý tưӣng)
c 
ĐiӅu kiӋn cӫa mӝt đưӡng thҷng hoàn hҧo:
- Trông thҷng và liên tөc
- Phҧi đi qua hai điӇm đҫu và cuӕi
- Phҧi có mұt đӝ và cưӡng đӝ sáng đӅu: đӅu trên mӝt đưӡng thҷng và đӅu trên
tҩt cҧ các đưӡng thҷng.
- Thuұt toán vӁ phҧi hiӋu quҧ và có thӇ thӵc hiӋn nhanh (cái này chҧ biӃt có
phҧi nói hay không nhӍ???)


Hãy chӍ ra khuyӃt điӇm cӫa cách vӁ đưӡng thҷng dӵa trên phương trình chính
tҳc khi hӋ sӕ (slope) lӟn hơn 1?
c 
Dӵa trên phương trình chính tҳc cӫa đưӡng thҷng: y=mx+b
Cách tiӃp cұn đơn giҧn: tăng x, rӗi tìm y => vì thӃ phҧi tính toán sӕ thӵc
Thuұt toán này chӍ әn vӟi nhӳng đưӡng thҷng có hӋ sӕ góc nhӓ hơn hoһc bҵng
1, còn đӕi vӟi nhӳng đưӡng thҷng có hӋ sӕ góc nghiêng lӟn hơn 1 thì trông đưӡng
thҷng sӁ rӡi rҥc vì sӕ điӇm trên đưӡng thҷng là rҩt ít.
Giҧi pháp: sӱ dөng phương pháp đӕi xӭng.Có thӇ đәi tên trөc tӑa đӝ hoһc tăng
theo trөc x nӃu dy<dx, nӃu không thì tăng theo trөc y.


Cách vӁ đưӡng thҷng dӵa trên phương trình tham sӕ (parameter) ± thuұt toán
DDA ± đã khҳc phөc nhӳng nhưӧc điӇm cӫa cách vӁ sӱ dөng phương trình chính
tҳc như thӃ nào?
c 
DDA = Digital Differential Analyser (phân tích vi phân sӕ hóa)
Phương trình đi qua 2 điӇm (x1,y1) và (x2,y2)
X(t)=x1+t(x2-x1)
Y(t)=y1+t(y2-y1)
Thuұt toán chi tiӃt xem slide hoһc sách ^^
Khҳc phөc nhưӧc điӇm cӫa thuұt toán vӁ đưӡng thҷng sӱ dөng phương trình
chính tҳc là trông liên tөc hơn và có thӇ tính toán tăng dҫn.
Nhưng vүn phҧi tính toán sӕ thӵc: hai phép làm tròn và hai phép cӝng sӕ thӵc.


Thuұt toán Bresenham vӁ đưӡng thҷng (phân tích và viӃt code)
c 
Đӑc sách đê ;))


Thuұt toán vӁ đoҥn thҷng điӇm giӳa
c 
So sánh d vӟi 0 (đӑc sách đӇ biӃt thêm chi tiӃt)


ĐiӇm khác biӋt giӳa đa giác lӗi và đa giác lõm
c 
Đa giác lӗi là đa giác mà toàn bӝ đa giác nҵm vӅ mӝt phía cӫa đưӡng thҷng
chӭa bҩt kì cҥnh nào
Đa giác lõm là đa giác nҵm vӅ hai phía cӫa ít nhҩt mӝt đưӡng thҷng chӭa cҥnh
nào đó.


Hãy trình bày thuұt toán kiӇm tra mӝt điӇm nҵm trong hay nҵm ngoài mӝt đa
giác lõm
c 
Dùng đӏnh lý Jordan
Tӯ điӇm cҫn kiӇm tra, ta kҿ mӝt tia song song vӟi trөc tӑa đӝ (Ox) và cҳt đa
giác. Tính sӕ giao điӇm cӫa tia đó vӟi đa giác, nӃu sӕ giao điӇm là lҿ, tӭc là điӇm
đó nҵm trong đa giác, nӃu sӕ giao điӇm là chҹn, tӭc là điӇm đó nҵm ngoài đa giác.
Thuұt toán này không đúng vӟi trưӡng hӧp đa giác tӵ cҳt.
Vӟi trưӡng hӧp đa giác tӵ cҳt, ta sӱ dөng cҧ hưӟng cӫa đưӡng thҷng, đһt e=0.
NӃu cҳt tӯ trái qua phҧi thì e tăng lên 1, nӃu cҳt tӯ phҧi qua trái thì e giҧm đi 1, các
trưӡng hӧp khác e giӳ nguyên. NӃu e !=0 thì điӇm đó nҵm trong đa giác.
Cũng vӟi ý tưӣng như trên, đһt e=0. NӃu đoҥn cҳt có duy nhҩt mӝt điӇm dương
thì cӝng e thêm 1. NӃu e chҹn thì điӇm đó nҵm ngoài đa giác, e lҿ thì điӇm đó nҵm
trong đa giác.
Các trưӡng hӧp đһc biӋt: cҳt trùng lên cҥnh và cҳt trùng lên đӍnh.


Hãy mô tҧ thuұt toán Clipping Cohen-Sutherland
c 
Bài toán cҳt xén đoҥn thҷng trên mһt phҷng đưӧc mô tҧ như sau:
Cho mӝt đoҥn (P1,P2), phҧi cҳt nó vӟi mӝt cӱa sә hình chӳ nhұt và trҧ vӅ đoҥn
cҳt (Q1,Q2) hoһc trҧ vӅ rӛng nӃu đoҥn thҷng đó nҵm ngoài cӱa sә cҳt.
Thuұt toán Cohen-Sutherland
Nó bҳt đҫu bҵng viӋc mã hóa chín khu vӵc đưӧc phân chia bӣi đưӡng thҷng
chӭa các cҥnh cӫa cӱa sӕ bҵng mã 4 bít, mà mã này đưӧc gӑi là outcode. Vӟi mӝt
điӇm P bҩt kì, gӑi c(p)=x3x2x1x0, vӟi xi=0 hoһc 1.
Các bit có ý nghĩa như sau
X0=1 khi và chӍ khi P nҵm hoàn toàn bên phҧi cӫa đưӡng biên bên phҧi
X1=1 khi và chӍ khi P nҵm hoàn toàn bên trên cӫa đưӡng biên bên trên
X2=1 khi và chӍ khi P nҵm hoàn toàn bên trái cӫa đưӡng biên bên trái
X3=1 khi và chӍ khi P nҵm hoàn toàn bên dưӟi cӫa đưӡng biên bên dưӟi
Thuұt toán có 3 bưӟc:
 Mã hóa P1 và P2. Đһt c1=c(P1) và c2=c(P2)
 kiӇm tra nӃu mӝt đoҥn bӏ loҥi bӓ mӝt cách dӉ dàng sӱ dөng toán tӱ
OR và AND bit
(a)C1 or c2 =0 hoһc
(b)C1 and c2 khác 0
Ӣ trưӡng hӧp (a), đoҥn thҷng nҵm hoàn toàn trong cӱa sә cҳt vì cҧ hai đҫu cӫa
đoҥn nҵm trong cӱa sә và cӱa sә cҳt là lӗi. Trҧ vӅ Q1=P1, Q2=P2
Ӣ trưӡng hӧp (b), đoҥn thҷng đó nҵm hoàn toàn bên ngoài cӱa sә cҳt, vì hai
đҫu cӫa đoҥn thҷng nҵm trên mӝt nӱa mһt phҷng không chӭa cӱa sә cҳt. Trҧ vӅ
đoҥn rӛng
 NӃu mӝt đoҥn thҷng mà không bӏ loҥi bӓ mӝt cách dӉ dàng thì ta chia
đoҥn đó ra. Sau đó, chúng ta quay lҥi bưӟc 1 vӟi quy trình như sau:
(a)Trưӟc hӃt, ta xác đӏnh điӇm đҫu mút P xác đӏnh đoҥn sӁ sӱ dөng đӇ cҳt.
 NӃu c1=0000, thì P1 không cҫn phҧi cҳt, ta đһt P là P2 và Q là P1
NӃu c1!=0000 thì P=P1 và Q=P2
(b)Đưӡng thҷng dùng đӇ cҳt đưӧc xác đӏnh bҵng bit bên trái nhҩt cӫa mã bҵng
1 trong c(P). Ta đһt A là giao điӇm cӫa PQ vӟi đưӡng thҷng dùng đӇ cҳt
(c)Lһp lҥi các bưӟc tӯ 1 đӃn 3 vӟi đoҥn AQ
Thuұt toán sӁ kӃt thúc ӣ bưӟc 2.
Lưu ý, vӟi thuұt toán này viӋc mã hóa là rҩt dӉ dàng, ta chӍ cҫn so sánh tӑa đӝ
cӫa P1 và P2 vӟi các hҵng sӕ, vӟi giҧ thiӃt là các đưӡng biên cӫa cӱa sә cҳt
song song vӟi các trөc tӑa đӝ. ChӍ ӣ bưӟc 3 mӟi thӵc sӵ cҫn tính toán.


Thuұt toán clipping đưӡng thҷng Cyrus and Beck
c 
Tìm các điӇm vào điӇm ra


Mô tҧ thuұt toán Clipping theo tӯng cҥnh cӫa hcn tҥo nên khung nhìn (thuұt
toán Sutherland ± Hodgman)
c 
Cҳt đa giác bҵng cách dùng lҫn lưӧt các cҥnh cӫa cӱa sә đӇ cҳt đa giác.
Ta xét đưӡng thҷng e chӭa cҥnh cӫa cӱa sә cҳt và đӍnh đҫu vào P, đӍnh này sӁ
sinh ra các điӇm mӟi, có thӇ là 0,1 hay 2, tùy thuӝc vào vӏ cӫa P vӟi e.
Có bӕn trưӡng hӧp (vӁ hình)
Đi vòng quanh các đӍnh cӫa đa giác, kiӇm tra vӟi cҥnh đang dùng đӇ cҳt cӫa
cӱa sә. Chҥy thuұt toán này vӟi đa giác mӟi thu đưӧc vӟi cҥnh tiӃp theo cӫa cӱa
sә.
Ưu điӇm: không cҫn lưu trӳ nhiӅu, dӉ dàng cài đһt.


Ngưӡi ta làm thӃ nào đӇ thӇ hiӋn phép tӏnh tiӃn qua ma trұn sao cho ma trұn
này có thӇ ghép vӟi ma trұn thӇ hiӋn các phép biӃn đәi khác qua phép nhân. Hãy
viӃt ra ma trұn cӫa phép tӏnh tiӃn trong không gian 3 chiӅu.
 c 
Dùng tӑa đӝ đӗng nhҩt:
- Thêm mӝt thành phҫn tӑa đӝ nӳa, W, cho mӝt điӇm P(x,y,W)
- Hai tӑa đӝ đӗng nhҩt cùng biӇu diӉn mӝt điӇm nӃu chúng là bӝi sӕ cӫa
nhau. Ví dө (1,2,3) và (3,6,9)
- Phҧi có ít nhҩt mӝt thành phҫn khác 0 => (0,0,0) là không xác đӏnh
- NӃu W khác 0, chia các tӑa đӝ còn lҥi cho nó đӇ có tӑa đӝ ĐӅ các
(x/W,y/W,1)
- NӃu W=0, điӇm đó coi như ӣ vô cùng.
Ma trұn biӃn đәi xem sách ;))


ThӃ nào là điӇm biӃn mҩt trong phép chiӃu phӕi cҧnh (Vanishing point)
c 
Qua phép chiӃu phӕi cҧnh, các đưӡng thҷng song song sӁ không song song vӟi
nhau mà hӝi tө tҥi mӝt điӇm, điӇm này gӑi là điӇm biӃn mҩt.


ThӃ nào đưӧc gӑi là phép chiӃu phӕi cҧnh 1 điӇm, 2 điӇm, và 3 điӇm?
c 
Phép chiӃu phӕi cҧnh đưӧc phân loҥi theo sӕ lưӧng điӇm biӃn mҩt theo trөc,
cũng có nghĩa là theo sӕ lưӧng giao điӇm giӳa các trөc tӑa đӝ và mһt phҷng chiӃu.
Phép chiӃu phӕi cҧnh 1 điӇm, tӭc là mһt phҷng chiӃu chӍ cҳt 1 trөc, hay chӍ có
mӝt điӇm biӃn mҩt theo trөc.
Phép chiӃu phӕi cҧnh 2 điӇm, tӭc là mһt phҷng chiӃu chӍ cҳt 2 trөc, hay có hai
điӇm biӃn mҩt theo trөc.
Phép chiӃu phӕi cҧnh 3 điӇm, tӭc là mһt phҷng chiӃu chӍ cҳt 3 trөc, hay có ba
điӇm biӃn mҩt theo trөc.


Hãy vӁ hình và đưa ra đưӧc ma trұn biӃn đәi cӫa phép chiӃu phӕi cҧnh?
 c 
Hình vӁ có trong sách
Ma trұn biӃn đәi
‹1 0 0 0

0 1 0 0 


V 
0 0 1 0



0 1
0 0

 


Thông thưӡng, ngưӡi ta lưu trӳ các đa giác trong máy tính như thӃ nào? Tҥi sao
dùng triangle strip và triangle fan lҥi tăng đưӧc tӕc đӝ tính toán trong đӗ hӑa máy
tính?
c 
Khi các đӕi tưӧng đưӧc mô hình sӱ dөng đa giác, các đa giác kӅ nhau có thӇ có
chung cҥnh. ĐӇ đҧm bҧo rҵng khi kӃt xuҩt không có các khoҧng trӕng đưӧc tҥo ra
giӳa các đa giác liӅn kӅ do quá trình tính toán sӕ thӵc, các đa giác có cҥnh chung
nên dùng cùng giá trӏ tӑa đӝ cho hai đҫu mút cӫa các cҥnh chung. Chính vì thӃ,
ngưӡi ta thưӡng dùng cҩu trúc chӭa các cҥnh dӳ liӋu tham chiӃu đӃn các điӇm đӇ
vӯa tiӃt kiӋm bӝ nhӟ, vӯa giҧi quyӃt đưӧc vҩn đӅ điӇm chung và cҥnh chung. Ta
tҥo ra ba danh sách: danh sách các đӍnh, danh sách các cҥnh và danh sách đa giác
bӅ mһt.
- Danh sách các đӍnh chӭa các đӍnh cӫa các đa giác và tӑa đӝ tương ӭng
- Danh sách các cҥnh tham chiӃu tӟi các đӍnh là đҫu mút cӫa cҥnh
- Danh sách đa giác bӅ mһt tham chiӃu tӟi các cҥnh
Thông thưӡng, ngưӡi ta có thӇ bӓ danh sách các cҥnh và chӍ lưu trӳ danh sách các
đӍnh và danh sách bӅ mһt.
ĐӇ tăng tӕc đӝ trong chương trình đӗ hӑa máy tính, đӗng thӡi đӇ tiӃt kiӋm không
gian lưu trӳ, ngưӡi ta biӃn các tam giác đӝc lұp thành mӝt quҥt tam giác hay mӝt
chuӛi tam giác. Như vұy, ngoài tam giác đҫu tiên, mӛi tam giác mӟi chӍ cҫn lưu
thêm 1 đӍnh. Đӗng thӡi, các phép biӃn đәi trên tam giác cũng chӍ cҫn thӵc hiӋn trên
mӝt đӍnh, trӯ tam giác đҫu tiên.


Tҥo ra cây BSP đӇ xây dӵng thӭ tӵ vӁ cӫa các mһt cho ví dө sau, sau đó đưa ra
thӭ tӵ vӁ các phҫn cӫa các mһt

c 
Thuұt toán BSP nguyên bҧn gӗm 2 bưӟc
- Bưӟc tiӅn xӱ lý sӁ chuҭn danh sách đa giác đҫu vào sang dҥng cҩu trúc cây
nhӏ phân gӑi là cây BSP
- Mӝt thuұt toán duyӋt sӁ duyӋt qua cây BSP và vӁ các đa giác ra bӝ đӋm
khung theo thӭ tӵ tӯ sau ra trưӟc.
Chú ý: mһt phҷng phân tách phҧi thӓa mãn: không có đa giác nào nҵm ӣ nӱa
không gian chӭa điӇm nhìn lҥi bӏ mӝt đa giác ӣ nӱa không gian kia che khuҩt.
Thӭ tӵ vӁ: 2a,3,5,1b,2b,4,1a.
Mһt phҷng phân cách: 3, 2b, 4, 5.


Tҥo ra cây BSP đӇ xây dӵng thӭ tӵ vӁ cӫa các mһt cho ví dө sau, sau đó đưa ra
thӭ tӵ vӁ các phҫn cӫa các mһt
 c 
Thӭ tӵ vӁ: 2b, 3, 2a, 1


Tҥo ra BSP tree đӇ xây dӵng thӭ tӵ vӁ cӫa các mһt cho ví dө sau, sau đó đưa ra
thӭ tӵ vӁ các phҫn cӫa các mһt

c 
Hình này xҩu quá, chҧ làm ;))


Đӕi vӟi các đoҥn cong, thӃ nào là liên tөc bұc 0, 1 và 2 (C0, C1, C2)? Hãy
trình bày cách hiӇu cӫa bҥn vӅ các hàm cơ sӣ (basic function) cӫa mӝt đưӡng cong
tham sӕ?
c 
Liên tөc bұc 0 tӭc là hai đҫu đưӡng cong tҥi đӍnh phҧi nӕi vӟi nhau, hay nói
cách khác f(x)=g(x).
Liên tөc bұc 1 là liên tөc bұc 0 và tiӃp tuyӃn tҥi điӇm đó phҧi trùng nhau, hay
nói cách khác đҥo hàm bұc 1 cӫa hai hàm phҧi bҵng nhau
Liên tөc bұc 2 là liên tөc bұc 1 và đӝ uӕn tҥi điӇm đó là như nhau, hay nói cách
khác đҥo hàm bұc hai cӫa hai hàm bҵng nhau.
Hàm cơ sӣ đӑc sách


ViӃt ma trұn Hermite
c 
‹ 2 ,2 1 1

,3 3 ,2 ,1
V@ 


0 0 1 0


1 0 0 0

 !"#$%&'
Hãy mô tҧ cách tҥo ra các đưӡng cong cơ bҧn cӫa đưӡng cong tham sӕ B-
spline. Cho mӝt đưӡng cong B-spline có 10 điӇm điӅu khiӇn tӯ P0 đӃn P9, hãy xác
đӏnh sӕ đoҥn cong tҥo nên đưӡng cong đó. VӁ hình minh hӑa.
c 


Giҧ sӱ giá trӏ cưӡng đӝ chiӃu sáng cӫa điӇm A là 1.0, cӫa điӇm B là 0.8 và cӫa
C là 0.5. Theo mô hình chiӃu Gouraud Shading, hãy tính giá trӏ cưӡng đӝ sáng cӫa
D và E
 c 
Tҥo bóng Gouraud là sӵ mô phӓng bӅ mһt nhҹn nhөi và mӡ. Đây là thuұt toán
tҥo bóng nӝi suy cưӡng đӝ hay tҥo bóng nӝi suy màu sҳc vì nó tính cưӡng đӝ cӫa
mӛi đӍnh đa giác và sau đó nӝi suy ra toàn bӝ đa giác theo các cҥnh và theo đưӡng
quét.
ĐӇ có đưӧc giá trӏ đӝ sáng tҥi các đӍnh đa giác, chúng ta cҫn tính vecto pháp
tuyӃn. Giá trӏ này thưӡng đưӧc tính bҵng cách lҩy trung bình vecto pháp tuyӃn cӫa
các mһt kӅ vӟi đӍnh đó. Lưu ý rҵng, cách lҩy trung bình này tҥo ra hiӋu ӭng trơn
cӫa vұt thӇ.
Vҩn đӅ xҧy ra:
- Không thӇ hiӋn đưӧc tính lӗi lõm
- Khi quay các đa giác, kӃt quҧ tҥo bóng có thӇ bӏ thay đәi.
KӃt quҧ:
31 5

®  ,

40 8


Trong công thӭc

p 
 

  os 

 os R

Hãy mô tҧ tӯng thành phҫn cӫa tәng trên tương ӭng vӟi các mô hình ánh sáng
nào, giҧi thích tӯng hӋ sӕ?
c 

a : cưӡng đӝ cӫa ánh sáng môi trưӡng
 a : hӋ sӕ phҧn quang cӫa ánh sáng môi trưӡng, là lưӧng ánh sáng môi trưӡng
đưӧc phҧn quang lҥi


: cưӡng đӝ cӫa nguӗn sáng tӟi điӇm P

 : hӋ sӕ khuӃch tán, là mӝt hҵng sӕ phө thuӝc vào vұt liӋu

: là góc giӳa hưӟng ánh sáng đӃn L và vecto pháp tuyӃn N tҥi P
  : hӋ sӕ phҧn chiӃu

n: cҩp sӕ phҧn chiӃu

: là góc tҥo bӣi tia phҧn xҥ R và hưӟng nhìn cӫa mҳt V

- Thành phҫn thӭ nhҩt là thành phҫn ánh sáng môi trưӡng
- Thành phҫn thӭ hai là thành phҫn ánh sáng khuӃch tán
- Thành phҫn thӭ ba là thành phҫn ánh sáng phҧn chiӃu


Trong mô hình ánh sáng trong đӗ hoҥ máy tính, có 3 mô hình ánh sáng phҧn lҥi
tӯ 1 vұt: ánh sáng xung quanh (ambient), ánh sáng phҧn xҥ(specular) và ánh sáng
tán xҥ(diffusion). Hãy giҧi thích 3 mô hình này.
c 
Ánh sáng môi trưӡng hay ánh sáng xung quanh mô tҧ ánh sáng là mӝt thiӃt lұp
ánh sáng có cưӡng đӝ không đәi trong mӝt cҧnh vұt, là tәng cӫa tҩt cҧ các ánh sáng
gián tiӃp trong cҧnh vұt đó.
Khi tia sáng chiӃu tӟi bӅ mһt vұt thӇ thì sӁ bӏ phҧn xҥ lҥi, thành phҫn này gӑi là
ánh sáng phҧn xҥ.
Khi tia sáng chiӃu tӟi bӅ mһt vұt thӇ mà bӏ phҧn xҥ lҥi theo mӑi hưӟng và
cưӡng ánh sáng là bҵng nhau theo mӑi hưӟng, ta gӑi đó là hiӋn tưӧng tán xҥ.


Mô tҧ ý tưӣng cӫa phương pháp Ray tracing trong đӗ hoҥ máy tính. ChӍ ra ưu
và nhưӧc điӇm cӫa phương pháp này. Phương pháp này thưӡng đưӧc dùng trong
nhӳng loҥi ӭng dөng nào?
 c 
Cái này thҫy chҧ dҥy, nên cũng chҧ hӑc :D


LӋnh glutDisplayFunc dùng đӇ làm gì? LӋnh glutIdleFunc dùng đӇ làm gì?
LӋnh glNormal dùng đӇ làm gì? Trong lӋnh glVertext3fv, giҧi thích ý nghĩa cӫa sӕ
3, chӳ f và chӳ v?
c 
glutDisplayFunc là mӝt thӫ tөc đăng kí sӵ kiӋn quan trӑng nhҩt và cҫn gӑi đҫu
tiên. Nó gӑi lҥi thӫ tөc thӇ hiӋn nhӳng cái mà chúng ta sӁ nhìn thҩy. Bҩt kì khi nào
GLUT xác đӏnh nӝi dung cӫa cӱa sә đӇ hiӇn thӏ lҥi, hàm đưӧc khai báo bҵng
glutDisplayFunc đưӧc thӵc thi. Do vұy, chúng ta cҫn đҭy tҩt cҧ nhӳng gì cҫn vӁ
vào trong hàm display callback.
glutIdleFunc gӑi lҥi hàm. Hàm này sӁ đưӧc thӵc hiӋn khi không có bҩt cӭ sӵ
kiӋn nào đưӧc xҧy ra.
glNormal dùng đӇ thiӃt lұp mӝt vecto pháp tuyӃn.
glVertex3fx dùng đӇ vӁ mӝt đӍnh, 3 là có 3 tӑa đӝ, f là kiӇu dӳ liӋu là float, v
tӭc là kiӇu vector.