本发明公开了一种增强现实的图像处理方法、装置、电子设备及存储介质。包括：响应于用户触发的图像获取指令，获取目标图像，目标图像包含目标物体；获取目标物体的增强现实模型，结合目标物体输出增强现实模型；获取用户选择的目标音频数据，根据目标音频数据确定具有时序性的音频特征；输出目标音频数据时，根据目标音频数据的播放进度和音频特征驱动增强现实模型。能够在输出增强现实模型时，结合用户选择的目标音频数据的音频特征，驱动增强显示模型的输出，使得用户能够参与到增强显示模型的展示过程中，通过选择不同的目标音频数据，驱动增强现实模型根据目标音频数据的音频特征进行展示，提高易用性。