近年来随着计算机图形学的发展，非真实感渲染技术(NPR)已经越来越受到人们的关注，而线绘制则是其中的一种最简洁有效的表达方法，能够用最少的视觉抽象表达出尽可能多的信息，同时也是其他风格化处理方式的基础，可以与其他方法结合用于不同类型的风格化渲染。　　对三维空间模型来说，线绘制方法基本分为两大类，分别为物体空间算法和图像空间算法。物体空间方法直接作用于物体网格本身，得到的线绘制结果质量较高，但是其算法复杂，算法效率与物体本身的复杂度直接相关。图像空间法和物体空间法相比，虽然算法实现简单并且效率要高得多，但是线条质量却不如物体空间方法，因为其线条质量与得到的渲染图效果密切相关，对渲染图中出现的噪声和多余细节具有高度敏感性。而对三维动画的线绘制来说，每一帧的表面法向量都需要重新计算，这既是线绘制的最关键步骤同时也是线绘制的瓶颈操作。虽然也可以利用现有的方法分别对动画数据的每一帧进行逐帧的重新操作，但是对大规模的数据来说这种方法效率过低。　　本文针对动态模型数据序列相邻帧之间存在某种相关性，选用图像空间方法为基础对其作出改进，提出了一个适用于对大规模动态数据进行渲染并得到线绘制效果的框架，在充分利用图像空间方法高效率优点的同时对其线条质量进行提升。基本思路是首先利用蒙皮网格序列之间的相关性来加快对网格的表面法向量的计算，并利用这个法向量快速生成适用于图像空间线条画的渲染图，然后利用基于L0范数梯度最小化的机制对渲染图进行稳定化去除噪声等多余信息，并把最终得到的高质量渲染图进行图像空间的线条抽取得到每一帧的线条画。实验表明，本文提出的算法能够高效地传达出复杂动画序列的线绘制所需轮廓信息，并且绘制质量能够接近于物体空间法。