准确而自动的表达出体数据模型中包含的结构信息是可视化领域尚未完全解决的难题。传统的基于物理光学模型的可视化方法主要试图实现真实感的图像绘制效果，很难突出体数据中感兴趣的重要的结构信息。在可视化方法中引入非真实感绘制技术，可以灵活的控制绘制结果的外观，弥补真实感绘制的不足，在绘制结果中很好的显示出体数据的结构特征。体绘制方法在可视化领域中应用非常广泛，本文在体绘制方法的基础上提出了一种基于体素不透明度值分类和体素梯度值的非真实感边界增强方法，基于体素梯度值对全部体素进行划分，将体素划分为边界区域体素和非边界区域体素，根据体素的梯度值对体素的不透明度值进行增强。通过增强梯度值较大的体素的不透明度值，减少梯度值较小的体素的不透明度值来达到突出边界区域的目的。同时应用k均值聚类方法对体素的不透明度值进行归类，对不同的类别采用不同的增强效果，从而使边界增强效果更佳完善，通过实验证明这种方法在直接体绘制的上能够实现对体数据中的边界区域绘制效果的增强，得到了很好的增强效果。本文改进了原始的非真实感轮廓增强和调色方法，通过引入判断阈值等信息，对绘制结果进行灵活控制，通过对比试验证明比原始方法实现了更好的绘制效果。另外本文使用基于GPU的光线投射算法加快了绘制速度，实现了实时绘制，更加便于观察绘制结果。