随着高清摄像头的大量使用,摄影机和照相机拍摄的图片的分辨率不断提高,在带来高画质图像的同时,这些图像在现行的网络环境下传输速度愈来愈显得不足,特别是一些对实时性有比较高的需求的情况下更为明显。因此,如何在现有计算机和网络环境下实现对数量越来越多、画质越来越清晰、占用空间越来越大的图像信息的进行处理的问题己成为许多方面的关键问题和核心技术,对图片进行压缩就是应对这一情况解决方案之一。在保证图片清晰度的前提下,使用各种编码或其它技术将编码中多余信息除去,以求缩小空间占用、加快通讯速度等效果。一些高压缩比算法是以花费大量的计算时间为代价的,这无疑是不划算的,因此在得到图像高压缩比的同时,还要缩短压缩所需要的时间。通过图像压缩的并行化,可以将压缩的速率提高,减少压缩所耗费的时间。人们通过使用多核处理器及集群提高运算速率,利用并行化的处理技术来改进计算机系统结构。尽可能地使用更少的时间来完成任务,并且充分的发挥计算中并行作用。下面是本文的主要内容:结合SMP集群的层次化结构,使用了MPI的消息传递编程模型和OpenMP的共享内存编程模型进行并行化设计,在节点间选择了使用消息传递进行通讯,在节点内部使用共享内存进行通讯。在实验室环境下,使用曙光集群TC-5000作为硬件,使用主从模式进行了分形图像压缩的并行化设计,分别使用了纯MPI并行以及加入了OpenMP的Hybrid并行,同时使用动态的任务划分,以期提升压缩的效率。在实验部分,先进行了并行环境的搭建,对图片分别使用串行,MPI并行以及Hybrid并行的分形图像压缩算法进行压缩,比较压缩花费的时间,分析并行算法对图像压缩方法提升的规律。第一,对主节点的控制行为进行了改进,只进行分块编号和控制命令的分发,运算数据不由主节点进行分发。计算节点根据指令和编号使用主节点上的数据进行运算。第二,提出使用任务动态分布的策略,充分发挥计算节点的计算能力,提高程序的并行度,提高算法的健壮性。第三,使用打包操作,在计算节点上完成数据的初步汇总,避免频繁地数据传递操作,减少了节点间的通信。第四,计算节点上使用了OpenMP进行块的映射,提高了算法的计算速度,增加了并行度,减少了通信开销。在多核SMP集群中,进行了并行化,对试验环境进行了调试。对比实验体现了并行算法通过更少的时间完成最佳块匹配映射。显示出了多核SMP集群环境下并行计算在图像压缩领域的重要应用价值。