非真实感绘制(Non-photorealistic Rendering，NPR)是计算机图形学和图像处理中一个崭新的课题，属于计算机艺术的范畴。NPR是计算机科学与艺术的有效融合，以计算机为工具，搭建各种数学模型并设计各种算法，来模拟艺术式的绘制风格。它强调人们的主观感受，而不追求真实感，旨在给人以美的享受。根据数据源的不同，非真实感绘制技术可分为两类：基于三维观察空间的绘制-绘制3D场景和基于图像空间的绘制-绘制2D图像。本文重点研究基于图像的非真实感绘制的理论和方法，利用模糊数学、统计学、智能体和仿生学的相关理论，分别研究了非真实感绘制中的颜色传输，基于纹理合成的艺术风格传输，和基于画笔的绘制等若干问题。论文的主要成果及其创新点为：(1)提出了基于模糊颜色聚类的自适应颜色传输算法。针对传统颜色传输算法对相似性较差的图像不能成功实现颜色传输的问题，本文将聚类思想引入颜色传输中。首先将源图像和目标图像从RGB空间转换到ιαβ空间，在ιαβ空间对两幅图像进行模糊颜色聚类分析；然后根据目标图像特征属性对每个聚类域计算相应的匹配权值，图像间匹配权值相近的聚类域确定为图像传输的匹配方向；最后建立具有隶属度控制的颜色传输方程，实现了图像间地自适应颜色传输。实验表明，该算法比原有颜色传输算法的传输效果更加和谐、自然。(2)提出了一种基于样图的快速风格迁移算法。该算法对经典Ashikhmin算法进行改进，利用源图像和目标图像及其低频图像的统计信息，建立了一种新的邻域一致性度量方法。对于重复候选点，以随机生成候选点的方法扩大搜索范围。同时采用双向扫描策略保证风格传输中纹元的视觉完整性。实验证明，改进算法能够快速有效地实现图像间的风格传输。(3)提出了一种非真实感绘制的多智能体绘制算法。该算法将绘制过程分为三阶段：轮廓绘制、素描绘制和多层涂色，每阶段分别由一类智能体进行模拟绘制。绘制智能体定义为具有一定生命周期、类型标识、特征标志等属性以及一定行为特征的智能体。它们不断与绘制环境交互，由环境局部激励触发它们不同的绘制行为。绘制智能体通过自适应地调整行为，能够搜索到各自的特征像素并进行特征绘制，从而完成各自的绘制任务。实验表明，此算法能够较好地模拟画家创作过程。(4)提出了一种基于分布均匀度的非真实感蚁群绘制算法。该算法基于仿生学的思想，给出了绘制蚂蚁的概念。绘制蚂蚁被定义为具有信息素、印迹、有限生命周期等属性和记忆、单步行走、绘制印迹、更新信息素、跳跃、死亡等行为特征的智能体。绘制蚂蚁根据路径概率选择最优的绘制路径，并通过不断更新信息素调整单步行走、绘制印迹、跳跃等行为，所有绘制蚂蚁在路径上留下的印迹即为非真实感绘制的结果。为了避免由于绘制蚂蚁单纯按照最大选路概率寻径，而出现轨迹收敛现象，最终导致图像被局部绘制的情况，文中通过信息权重因子动态地调整路径选择概率的均匀度，改善了绘制的效果。实验结果表明，该算法能够比较有效地模拟出手工绘画的效果。(5)提出了一种自适应流体艺术风格的LIC模拟绘制算法。该算法通过计算源图像亮度分量的切矢量产生图像的结构矢量场，并对弱矢量区域进行邻域填充处理，获得LIC绘制所需的结构矢量场；然后，根据结构矢量场的局部曲率特征调整LIC的积分步长，并根据纹理参考图像的局部统计特征，自适应地改变LIC的积分长度；最后，将颜色传输算法引入LIC绘制结果，对绘制效果颜色进行渲染。实验表明，该算法能够较好地模拟诸如梵高画的流体艺术风格，呈现生动、灵活的波动感。