Ha valaki úgy véli, az ember a szemével lát, az téved. Pontosabban nincs tisztában a vizuális észlelés összetettségével. Egy festmény, szobor, avagy fotó szemlélésekor az agyunkban kirajzolódó kép több lesz, mint a szembe érkező ingerek összessége. Egyfajta pszichológiai többlet keletkezik. Bármilyen, gondolatait vizuális módon közlő művésznek, így a fotósnak is ennek a piciny, szavakkal nehezen körülhatárolható folyamatnak a lényegét kell megértenie ahhoz, hogy a szemlélő gondolataiban az általa elérni kívánt hatás jelenjen meg.
Rudolf Arnheim a témát közérthetően, olvasmányosan, mégis tudományos alapossággal járja körül könyvében, melyben olyan kérdésekre is választ kaphatunk, hogy miért vélünk egy kompozíciót harmonikusnak, s miért nem gondoljuk ugyanezt egy másik, nagyjából hasonló elrendezésről. Az író figyelme kitér arra is, hogy a vizuális befogadás (is) más és más „végeredményhez” vezet az eltérő kultúrákban felnőtt emberek esetében.
A munka kilenc fejezetre bontva veszi át a művészi forma eszköztárát, köztük olyan – magától értetődő – részekkel mint a szín, a fény, a mozgás, az alak, a forma és a tér, ám ezekben is meglepő összefüggésekkel szembesülhet az olvasó. A maradék három téma: az egyensúly, a dinamika és a kifejezés teszi teljessé az elemzést. Az egyensúly fejezetben például fény derül arra, miért érzékelünk egy fehér négyzetbe helyezett fekete kört egyszer nyugalomban lévőnek, egyszer pedig dinamikusan „mozgónak”, attól függően, hogy a négyzet mely pontjára helyezzük a kört.
Aki végigolvassa az illusztrációkkal és magyarázatokkal gazdagon tarkított kötetet, az bizonyosan könnyebben és pontosabban tudja majd kibontakoztatni a benne rejlő ösztönös tehetséget és kreativitást. Arnheim munkája ugyanis nem helyettesítheti az utóbbi képességeket, de fogódzónak, igazodási pontnak egyenesen tökéletes.