Entender la percepción en tres dimensiones parece depender de la comprensión de la relación espacial que existe entre los objetos y de su profundidad relativa. Dos aspectos parecen ser importantes: la profundidad monocular y la disparidad binocular estereoscópica.

Como se aprecia en la figura, si miramos a través del rectángulo inferior la situación en que están las tres figuras detrás de esa "ventana", veremos en ella al mirar frontalmente con los dos ojos, una imagen bidimensional.

Sin embargo, al mirar con un ojo (visión monocular) ciertos derroteros de profundidad ejercen su efecto y terminamos teniendo una percepción tridimiensional. Ellos son:

la interposición. El hecho de que un rectángulo interrumpa la imagen del cuerpo de otro rectángulo nos indica que esos cuerpos están en diferentes planos, aunque no sepamos las distancias que los separan.
La perspectiva de líneas. Aunque la líneas sea paralelas, ellas convergen en el plano del cuadro.
La perspectiva de tamaño. El niño más cercano aparece de mayor tamaño que el más alejado.
El tamaño conocido. El hombre y el niño más cercanos aparecen del mismo tamaño pero como sabemos que el hombre es más alto que el niño, deducimos por el tamaño del segundo niño, que él se encuentra más alejado que el primero.
Distribución de formas e iluminación. Combinación de luz y obscuridad dan impresión de profundidad. Fenómeno no ilustrado aquí.
Paralaje del movimiento. Al mover nuestras cabezas o cuerpos mientras contemplamos objetos que están a distancias diferentes, vemos que objetos más cercanos se mueven ms rápidamente y en dirección opuesta a nuestro movimiento que los más alejados.

Otro derrotero importante para entender la visión tridimensional lo da la visión estereoscópica (visión en relieve). Cuando fijamos nuestra mimrada en un punto ubicado a distancias menores a 100 piés, se produce en nuestros ojos un fenómeno de convergencia, es decir, ambos ojos se orientan de modo que la imagen del punto cae en porciones equivalentes de cada retina, en el centro de ellas. Es el punto de fijación.

Si un objeto está más cerca o más lejos, el punto de fijación en la retina cambia, haciéndose más distal o más proximal, respectivamente. Se produce entonces un fenómeno de disparidad binocular en el cual se estimulan zonas diferentes de la retina de cada ojo. Cuando esa disparidad se produce en el plano horizontal de la retina, las diferencias en distancias con el punto de fijación permiten calcular distancias en relación al objeto. Como ambos ojos están separados alrededor de 6 cm, cada ojo percibe imágenes desde posiciones equivalentes de sus retinas, ligeramente diferentes. Este fenómeno lo podemos apreciar mirando un objeto con un ojo y luego con el otro. Por lo tanto, cuando miramos el mismo punto con los dos ojos corregimos parcialmente esa disparidad (disparidad binocular) pero ella nos da una idea de la distancia del objeto.