我们证明了显式建模构图规则对图像裁剪具有显著益处。图像裁剪被视为实现专业摄影中美学构图自动化的有前景途径。然而，现有方法仅通过比较候选图像的方式隐式地建模此类专业知识。受自然构图特征始终遵循特定规则这一现象的启发，我们提出以判别式方式学习这些构图规则，并更为关键的是，将所学习到的构图线索显式地融入模型之中。为此，我们引入了“关键构图图”（Key Composition Map, KCM）的概念，用于编码构图规则。KCM能够揭示不同构图规则背后的共性规律，并指导裁剪模型识别构图中的关键要素。基于KCM，我们提出了一种全新的“按构图裁剪”范式，并构建了一个网络架构以实现具备构图感知能力的图像裁剪。在两个基准数据集上的大量实验表明，所提出方法能够实现高效、可解释且快速的图像裁剪。