根據不同的繪圖風格，在NPR的研究上可分成幾個不同的方向，例如：以西畫為主 的水彩繪[5]、影線畫[8, 19]、鉛筆畫[30, 31]與及剛筆墨畫[27, 28, 29]等，另以中國水墨 畫為主的岩石水墨畫[33]、樹木水墨畫[34]及動物水墨畫[36] 等。而本論文研究目標為 將中國水墨風格應用的三維電腦遊戲引擎上，以呈現中國水墨風格的遊戲場景，與動物 水墨畫[36]有些相似。
我們知道模型輪廓線與特徵線的萃取，在NPR的繪圖處理上是相當重要的。其萃取 的方法約略分為三類：影像空間演算法（Image Space）、物件空間演算法（Object Space）
與混合演算法（Hybrid）[22]。物件空間演算法有下列幾種：根據定義來偵測的暴力法
（Brute Force，為我們使用的方法）、特殊資料結構的Edge Buffer [4]、機率法[19]、階 層式高斯弧形圖[10]（Gauss Map Arc Hierarchy）、階層式標準圓錐體[16]（Normal Cone Hierarchy）、隱含式曲面[15]（Implicit Surfaces）與NURBS曲面[6]等。而影像空間演算 法有下列幾種：單次法（One Pass）[7,8]、雙次法（Two Pass）[10,24]、環境圖法[10]
（Environment Map）、模型參數法[19,26]（Model Augmentation）與不連續深度法[21]
（Depth Discontinuity）等。最後是Northrup et al. [22]提出的混合演算法，首先他們使用 影像空間演算法去找出可見的線段路徑，並將之連結成較長的線段，然而這些線段已具 有物件空間的精確邊線，而且可避免產生鋸齒狀的輪廓線及與原始可見的輪廓線不一致
現象，其繪圖速度為互動的等級。
另一個相當重要的演算法是可見範圍的選擇（Visibility Culling），亦就是去除隱蔽 線演算法（Hidden Line Removal）。Appel’s [3] 提出的除隱蔽線演算法是基於不可見數 量的概念來處理（Quantitative Invisibility QI），他是去計數物件與視點位置之間正面
（Front-Facing）的多邊形個數，作為隱蔽線的判斷依據。Markosian et al. [19]修改前者 提出新的演算法，藉由他的特殊遊走機制，不需要遊走測試所有的模型邊線，就可以偵 測出可見線段及三維模型的可見曲面，最後再應用許多的線段風格於輪廓線與特徵線 上。事實上最簡單也最快的是影像空間中的硬體 Z-Buffer 偵測方法，但由於影像點
（Pixel）的精確度與部分遮蔽問題，使得 Z-Buffer 有些限制，其為主要缺點。Kowalski et al. [20, 22]以唯一的顏色值，繪製輪廓線與三角面到後端的視框緩衝區（Frame Buffer）
中，作為 ID 參考影像（ID Reference Image），等全部繪製完後再從後端的視框緩衝區中，
讀出 ID 參考影像到主記憶體中做可見性測試（Visibility Test）。Isenberg et al. [14] 使用 上述相同的方法，不同的是他門的可見性測試，是使用 Z-Buffer 來代替 ID 參考影像。
本論文中我們使用 ID 參考影像來處理遮蔽線問題，因為 ID 參考影像可以識別出可見的 輪廓線與可見的三角面，如此便能偵測出模型的特性部分。
另外有關繪畫風格的模擬，Curtis et al. [5] 提出了以媒體的物理特性為基礎的二維 影像處理方式來模擬水彩畫，而他們的研究以二維影像處理為主，而沒有將三維模型的 資訊應用於三維的場景繪製上。另一個重要的NPR的藝術風格是鋼筆墨畫[27, 28, 29]，
而大部份擁有鋼筆墨畫風格的研究，主要還是依靠著三維模型的參數性質為研究重點。
另一項與鋼筆墨畫研究相關的是鉛筆畫研究[30,31]，Praun et al. [23]將鉛筆畫的風格應 用到三維的摸型上，他的研究主要貢獻是：色調圖，當材質的顏色色調改變時，可以避
免不連續的現象，此項色調圖（Tonal-Maps）研究的靈感是來自Klein et al. [17]的虛擬 NPR環境之研究（Non-Photorealistic Virtual Environments）。
筆刷的模擬研究方面，有 Strasmann [32]提出的：以一維陣列當作繪畫的筆刷，而 陣列的元素存放著筆毛個別的墨量值、Horace and Helena [12]提出的：藉由三維立體圓 錐的物理性質與動態的移動方式，模擬中國書法風格的三維毛筆模組與 Weng et al. [35]
提出的：定義以一個平面圓形，作為筆刷與畫布的接觸區域，與均勻分配於該接觸區域 內的筆毛數量，模擬中國水墨風格的二維毛筆模組。然而 Weng 的二維毛筆模組模擬的 結果看起來較自然且平滑，因此我們參考 Weng 的二維毛筆模組，應用於我們的系統上，
其實作容易且視覺效果好。