本申请实施例提供一种图像数据的生成方法、装置以及电子设备。生成方法包括：获取通过摄像装置拍摄的包含前景图像和背景图像的第1图像，背景图像中包含多个人工标记，前景图像中的物体在背景图像中的投影位于多个人工标记所包围的区域中；根据第1图像计算该物体相对于摄像装置的空间姿态；根据人工标记与背景图像的空间关系，将目标图像的各像素映射到背景图像中，生成第2图像；利用物体的三维模型以及该空间姿态生成掩膜图像；以及根据第2图像和掩膜图像合成第3图像。由此，利用多个人工标记对需要拍摄的物体的背景进行标记，可以利用目标图像替换拍摄图像中的物体的背景图像，从而可以以较低成本合成大量的与实际使用场景接近的图像数据。