个人理解：
0.准备你需要的环境 eg:Matlab、vs、opencv
1.准备有关图片重要内容的数据集（训练集（正负样本）+测试集）
2.可以采用传统方法，使用特征+分类器训练数据。
针对要检测内容选取合适的特征（HOG，LBP，SIFT，Edglet特征等）和分类器（有SVM和Adaboost）
比如行人的话，经典的是HOG+SVM,人脸的话是Haar+Adaboost，一般性物体的话可以是HOG+DPM算法。
3.测试数据
当然还可以用深度学习RCNN系列。你可以选取传统方法先入个坑，但是弄到最后也还是会慢慢到深度学习上的，不过个人感觉能深入了解下传统方法对以后深度学习也是有好处的。以上关键词详情可以查，网上有很多资料。如果您觉得能帮到你，希望能采纳。 :-P

解决问题分两步：
1. 图片中什么是重要的；
2. 裁剪该部分

step1分情况：
1）如果是特定场景图片，比如人脸，车辆，有特定的检测方法（传统方法或者CNN都可以）
2）一般物体检测的方法 （RNN系列）
3）显著性物体检测方法（看程明明老师或者卢湖川老师的论文，有代码）
step2：
step1中的1,2两种情况直接给出所需要裁剪的区域
step1中的第3种情况，给出每个像素是否显著的概率，把概率高的像素区域提取出来即可

谢谢 望采纳！

机器学习有很多分支，比如深度学习，你这个可以用深度卷积神经网络（dcnn）
如果不想从底层写，可以调用opencv

。。。。。。。。。。。。。。。。。。。。。。。。

可以理解为目标检测问题，使用R-CNN系列的方法可以解决

重点内容的定义是什么？有点类似目标检测任务，可以利用现在流行的神经网络R-CNN去完成

选好工具，然后查找一些可以参考的源程序，多调试

定位重点内容，可以使用传统模式匹配方式利用opencv,或使用深度学习方式，需要大量标注样例。