本申请提供了一种图像处理方法、装置及电子设备，该方法包括：获得第一终端侧的第一图像；确定第二终端侧的用户最近一次视线偏离的起始时刻，起始时刻为至少基于当前时刻之前第二终端侧的至少一帧图像，确定出的第二终端侧的用户的视线最近一次偏离第二终端的显示屏的起始时刻；获得第一终端从起始时刻开始向第二终端传输的至少一帧第一历史图像，第一历史图像为第一终端侧在第一图像之前获得的图像；基于至少一帧第一历史图像，确定第一图像中属于起始时刻之后新增的字符集；控制第二终端输出标示有字符集的第一图像。本申请的方案可以减少由于用户视线偏离显示屏而无法及时定位出在线交互对象最新传输的字符内容的情况。