随着大数据时代的来临,分布式应用展现出新的前景；同时随着图片数量的剧增,在工程上和科研上出现了对于大批量的图像的分布式处理新的需求。当前,Hadoop系统已经有了广泛的使用,也出现了基于Hadoop的分布式图像处理方案。大批量图像处理这种计算密集型的应用也给分布式系统的设计带来了一定的挑战,Hadoop在这种应用中有其自身的不足之处,本文新设计了一个系统对此做了相应地改进。而传统的分布式图像处理系统,多数基于远程过程调用和NFS实现,在系统通信和存储上存在先天的不足,本文不再做对比。本文设计了一个基于消息队列的分布式图像处理系统,系统各模块通过精心设计的消息队列的通信,实现了更加精简和低耦合的计算框架。对于大批量图像处理,相对基于Hadoop的实现,本系统计算框架减少了Map和Reduce任务之间的中间结果处理和网络传输；基于消息队列的计算框架设计,减少了系统各模块之间的耦合性,使得功能和任务扩展更加容易。另外,本系统实现了自适应的任务分配机制,能根据各主机先前任务的完成情况实时调整任务的分配,能及时有效调用所有工作主机的计算能力。本系统使用适用于小文件存储的分布式文件系统FastDFS,使得任务的分解粒度精确到单个图像文件,使任务更容易调度和恢复；另外,分配任务的时候优先考虑工作主机本机上存储的文件,能利用文件的本地优势,减少网络传输。此外,本系统通过C/C++语言实现,提供了C/C++编程接口来支持本地语言的图像处理库(如OpenCV、ImageMagick等),在编程的方便性和程序的执行效率上都要高于基于Hadoop的实现。最后,我们做了相关的实验,通过和一个基于Hadoop的实现做对比,验证了本系统在处理大批量图像文件中的高效性。