本公开涉及一种图像处理方法、装置、设备及介质。其中，图像处理方法包括：在初始视频图像中，确定第一识别对象的运动状态；根据第一识别对象的运动状态，确定素材对象的运动状态；若素材对象的运动状态属于第一状态，按照素材对象的运动状态将素材对象和第一风格视频图像合成，得到第一目标视频图像；若素材对象的运动状态属于第二状态，按照素材对象的运动状态将素材对象和第二风格视频图像合成，得到第二目标视频图像；其中，第一风格视频图像和第二风格视频图像是基于初始视频图像得到的不同风格化的图像。根据本公开实施例，能够自动对视频素材进行素材编辑得到合成图像，减少制作视频的时间成本，提高视频作品的质量，以及提升用户的体验。