近年来,随着大型科学计算以及图形图像的快速发展,许多领域要处理的数据量已经远远超过了研究人员的数据处理能力。在体绘制领域,体数据的大规模增长,迫切期待计算设备的处理能力能够得到进一步提高,当然硬件设备本身的升级换代是最有效的途径,但在绝大部分条件下是不能够无限制地实现的。分布式技术的发展对于体绘制的研究起到了很好的推动作用,为了充分利用网络分布式环境中的各种计算资源,将Web服务引入体绘制流程、研究分布式的体绘制算法不仅是可能的,而且是有效的,主要表现在：一方面,随着分布式计算的发展,特别是Web服务作为一个新的分布式技术的出现,为体绘制的研究提供了新的思路。Web服务作为一种新的分布式计算技术,提出了面向服务的分布式计算模式,方便地实现Internet上跨平台、语言独立、松散耦合的异构应用的集成与交互。因此,将Web服务技术引入体绘制算法、利用分布式技术加速绘制计算过程成为一种可能。另一方面,体绘制的流程是通过“重采样”将连续的体数据场转换成适合屏幕显示的离散化数据,并通过“图像合成”最终显示图像的过程,体绘制流程具有鲜明的阶段性。显然,每个阶段非常适合于使用Web服务技术,这些Web服务可以分布运行于网络环境中不同的机器或平台上,实现资源的共享；因此,将Web服务引入体绘制流程、研究分布式的体绘制算法不仅是可能的,而且是有效的。鉴于此,本文的主要研究内容如下：(1)详细地分析了和研究了光线投射算法的原理,主要包括光线投射算法中的重采样和图像合成两个重要阶段。在此基础上,本文提出了改进的光线投射算法-分布式并行光线投射算法(Distributed Parallel Ray Casting Algorithm,以下简称DPRC)。(2)在光线投射算法的基础上,分析了DPRC算法的并行可行性,并给出了它和光线投射算法的不同之处。接着,详细地说明了DPRC算法的实现原理,包括子任务的划分、动态任务分配策略、首次任务分配和最终图像的合成几个部分,并清晰地表示出了DPRC算法的总体执行流程。最后,介绍了DPRC算法的具体实现,作为一种分布式的并行算法,实现中,重点讲述了DPRC算法中并行策略的设计和Web服务的设计。(3)为了验证DPRC算法的有效性,构建了基于Web服务的体绘制系统(WSVRS)。WSVRS是一个分布式的计算系统,它的实现为体绘制流程中不同阶段体绘制服务的查询、导入和组合提供一个基础性的开发平台。WSVRS采用了开源的分布式问题求解环境-Triana作为底层支撑环境。Triana提供了Web服务的有效管理及强有力的工作流引擎,更重要的是Triana支持工作流的并行执行,这为DPRC算法运行提供了有力的支持。(4)通过实例验证了DPRC算法的有效性,实验环境是校园网这样高带宽(100M)的局域网。实验中,记录了DPRC算法在有数据传输和无数据传输情况下的平均运行时间,并给出了平均运行时间趋势图和加速比趋势图,对实验结果做了图形化的分析,并从定量的方面,借助并行算法的加速比来衡量DPRC算法在分布式环境下的性能,及对体绘制加速的效果,并取得了明显的效果。