Суть эстетического восприятия, согласно гештальтпсихологии, состоит в том, что объекты наблюдения уже на этапе восприятия объединяются в цветовые, музыкальные, геометрические структуры, происходит мгновенное «схватывание» основных соотношений элементов в объекте, человек строит структурную модель объекта в соответствии с сенсорными данными (напр., распределением зрительных импульсов на сетчатке). Восприятие как решение проблемы представлялся гештальтпсихологам процессом построения нового гештальта, или переструктурированием исходной ситуации, во многом интуитивном, основанном на озарении («инсайте»). Такое переструктурирование носит творческий характер, не выведено из прошлого опыта, целостный образ оказывается регулятором всего поведения человека.

Арнхейм полагает, что предмет и сознание представляют собой взаимосвязанное целое, единый контекст, зрительный образ обусловлен структурой наблюдаемого, является результатом воздействия этой структуры на перцептуальную сферу человека. Композиция живописного изображения или скульптуры оказывает на человека эмоциональное воздействие, которое в самом общем виде можно охарактеризовать как чувство удовольствия или неудовольствия. Арнхейм полемизирует с психоаналитической трактовкой эстетической реакции, утверждая, что чувство удовольствия или неудовольствия тесно связано с врожденным стремлением психики к организации и порядку.

Основой эстетического удовольствия является воздействие гармоничного соотношения элементов произведения искусства на перцептивый аппарат. Впрочем, Арнхейм предпочитает использовать вместо понятия «гармония» термины равновесия и неравновесия, ясности и неясности, целостности или незавершенности. При оценке произведения зритель исходит из того эмоционального состояния и, прежде всего, чувства равновесия или неравновесия, которое вызывает в нем картина. Восприятию произведения искусства, по мнению Арнхейма, предшествует чувство напряжения, конфликта в сознании зрителя. Этот конфликт может быть вызван несовершенным расположением предметов, проблемной ситуацией.[30]

Суть художественного воздействия состоит в преодолении этого напряжения с помощью художественных средств, а именно путем перевода энергии жизненного конфликта в более определенный, эстетический конфликт. Достижение композиционной ясности и равновесия знаменует преодоление проблемной ситуации. Если потеря ориентации, конфликтная, неразрешенная ситуация вызывает в зрителе чувство неудовольствия, то эстетическое удовольствие основывается на достижении ясности, внутреннего баланса, в частности, ориентации в пространстве. Первоначальная дезориентация зрителя сменяется ориентацией и обретением смысла.

Очевидно, что Арнхейм связывает эстетическое удовольствие с когнитивными процессами, с обретением человеком необходимой информации об окружающем мире. Художественное восприятие носит познавательную функцию, поскольку восприятие есть обнаружение структуры в наблюдаемом объекте. Хорошие гештальты позволяют экономить информацию, поскольку они предсказуемы в отличие от неправильных форм. При наличии хорошего гештальта мы по его части можем успешно восстановить явление в целом, увидеть значение той или иной части в континууме явлений.

Арнхейм утверждает, что равновесие – неотъемлемый признак совершенного композиционного решения, в котором ни один элемент не кажется излишним, нарушающим общее равновесие, гармонию частей.

Процесс зрения не схож с фотографированием, то есть фиксацией всего многообразия окружающего мира на светочувствительной поверхности (напр., на сетчатке). Человек видит предмет не изолированно, а всегда в контексте окружения. Иначе говоря, зрение фиксируется не на деталях, а на целом. Визуальное восприятие обладает, по Арнхейму, следующими главными признаками: избирательностью и способностью «схватывать» основные черты рассматриваемого объекта. Зрение не является процессом постепенной обработки поступающей детальной информации, а прежде всего обобщением всей массы информации и только потом схватыванием деталей. В зрительном процессе общее предшествует частному, человек сперва улавливает общее очертание предмета, самые яркие пространственные характеристики предмета. Причем глаз сразу способен определить, сбалансировано или нет изображение. Зрительный аппарат человека устроен так, чтобы сокращать количество наблюдаемых признаков предмета, формировать наиболее простой образ объекта.