非真实感绘制(NPR)指的是利用计算机生成不具有照片般真实感,而具有艺术创作风格的图形绘制技术;而基于GPU的体绘制是利用现代可编程图形硬件的并行处理机制完成体绘制过程的技术。本文围绕非真实感技术和基于GPU的体绘制技术进行研究,重点研究针对三维数据场的轮廓提取与增强的实时非真实感体绘制方法。主要工作和研究成果包括三个方面:分析并确定了非真实感体绘制应用于GPU可编程流水线的技术框架;改进了一种基于26邻域的梯度估计算法;根据改进的26邻域算法与最大密度投影技术(MIP)设计并实现了一种基于GPU的体轮廓快速提取算法。首先,对非真实感技术的特点、分类及主要技术进行研究。根据现代可编程图形硬件(GPU)的体系结构,讨论GPU的可编程机制;然后对基于GPU的体绘制算法及非真实感体绘制算法的研究成果进行分析,确定了将非真实感体绘制应用于GPU的并行流水线的方法。其次,对传统基于图像空间的梯度估计算法的优劣进行分析,根据轮廓线上的体素具有较高的梯度值这一特征,引入并改进一种基于26邻域信息的梯度估计算法,通过构造一个基于体数据值的四维线性回归方程,利用方差估计得到体数据的近似梯度值,最后根据该值检测体数据的轮廓。通过实验分析,该算法能够有效减少图像伪影,提高轮廓的连续性。最后,提出一种基于GPU的体轮廓快速提取算法,采用改进的26邻域梯度估计算法检测体数据轮廓线,引入一种窗口函数过滤梯度信号,利用最大密度投影技术与GPU可编程流水线实现了轮廓提取和增强轮廓的非真实感效果。实验证明,该算法能够较好地提取体数据的轮廓,可以达到交互的绘制速度。