非真实感绘制技术NPR(non-photorealistic rendering)作为与真实感图形学相对应的图形学分支,近年来受到越来越多的研究者的关注,并作为一种更加抽象的图形生成技术逐渐成为计算机图形学的研究热点之一。在针对2D艺术风格图像的非真实感绘制技术中,边缘检测技术具有很广泛的应用。通过理论研究发现,基于多变量高斯差分的风格化方法在非真实感边缘的模拟方面有巨大的潜力。高斯差分算子(DOG)在检测边缘方面有非常显著的效果。近年来,在研究标准的高斯差分边缘检测算子的过程中,重点侧重于对于噪声以及风格化的影响,而忽略了对算法细节的研究。本研究针对扩展的高斯差分参数可控性的特点,提出了一种基于参数调整的风格化方法。该方法首先定义输入图像的ETF流,在基于此ETF流的基础上同时进行梯度轴和流线轴的高斯差分滤波。通过对参数进行调整,可以得到一系列的风格化效果。包括铅笔画、炭笔画、反走样以及反向边缘的效果。实验结果表明,该方法实现简单,风格多样,效果比单一系统更为理想。本论文所实现的基于高斯差分的风格化方法属于边缘检测技术的范畴,因此在论文的第二部分对几种最基本的边缘检测技术进行逐一介绍,并推导出多变量高斯差分的数学理论模型。在该理论模型的基础上,构建图像的边缘正切流,沿着边缘正切流的方向进行高斯差分滤波,对走样图像进行线性积分卷积是三个主要的技术问题,本论文将在第三部分进行重点讨论。多变量高斯差分算法的具体步骤和黑白边缘、调整阈值以及反走样的风格化效果,以及实验结果的对比都在论文的第四部分进行讨论。