A kompozícióban benne rejlő dinamika érzékelése mindenekelőtt a látórendszerünk felépítésének kérdése. Ahogy ezt a következő fejezetben tárgyalni fogjuk, számos olyan vizuális információ van, amelynek alapján a rendszerünk képes mélységet számolni a közvetlen mozgásérzékelésen túl. Az egyik legfontosabb mélységjelzés a fény/árnyék kontraszt, az árnyékolás, amelyet a festők a reneszánsz óta ismernek (lásd például Leonardo sfumato technikáját). A másik hasonlóan alapvető mód a lineáris perspektíva. A harmadik az úgynevezett textúra gradiens, amikor a környezet közelebbi részét sűrűbben, a távolabbit ritkásabban „vonalkázottnak" látjuk. Amiről viszont a festészet kapcsán Arnheim beszél, az nem a természetes látás és a képi látás hasonlóságából következik. Ellenkezőleg, a kép kiegyensúlyozottsága vagy kiegyensúlyozatlansága a kompozíció grafikai elrendezettségéből következik. Tág értelemben idevehetjük a szín-alapú kompozíciót is, amennyiben a színes felületek, foltok nagysága döntő szerepet játszik az egyensúly kialakításában. Először bemutatjuk ezt egy olyan példán, mely egyben az egyensúly „kibillentettségét" is tartalmazza.

Livingstone (1988) az OP-ART művészeti irányzat egyik jellemző tulajdonságát azzal magyarázza, hogy nem becsapja, hanem „kifordítja" a látórendszer egyes elemeinek a működését, így a mozgás érzékelését is. Példája Mondrian New York Boogie Woogie című festménye, melyen Mondrian azonos fényintenzitású színeket tesz egymás mellé, s ezáltal nem ad elegendő információt a mozgásérzékelő alrendszernek, az úgynevezett dorzális vagy magnocelluláris pályának, így alacsony fényerő-kontrasztnál a rendszer nem tudja pontosan lokalizálni a sárga foltokat, amelyek vibrálni kezdenek. E vibrálás látszólagos mozgás, s nem a mozgás „illúziója", ez utóbbi a mozgókép nézése során jön létre, mert a filmet ugyanúgy a dorzális pályán érzékeljük, mint a valóságos mozgást.

8. kép: Piet Mondrian: Broadway Boogie-Woogie, 1942-3, New York, olaj és vászon, Museum of Modern Art