Panofsky zavedl termín tzv. "kosmos kultury", což označuje časoprostorovou strukturu (chaos, ne kontinuita; podobně jako Warburgova "formule pathosu"). Nejdříve pozorujeme a zkoumáme, pak dekódujeme a interpretujeme a nakonec výsledky třídíme a uspořádáváme do koherentního systému (to podobné popsal také Marc Bloch v Obraně historie). Panofsky tvrdí, že čím vyváženější je poměr ideje a formy, tím patrnější je obsah v díle. Jinými slovy, čím víc forma souhlasí se záměrem/námětem, tím zřetelnější bude motiv.
Definuje umělecké dílo jako člověkem zhotovený předmět, jenž vyžaduje estetickou konzumaci a může fungovat jako nositel sdělení nebo nástroj. Dílo má pak 3 složky: materializovanou formu, ideu (námět) a obsah. Divák do percepce zařazuje jak přirozenou senzitivitu, tak vizuální školení, tak i kulturní vybavení. Dále rozlišuje znalce a historika a humanitní vědy řadí vedle přírodních, přičemž obé se doplňují.
Rozlišuje ikonografii, která se zabývá námětem a ikonologii, která se zabývá významem a zároveň integruje jiné metody, tudíž vychází ze syntézy a ne analýzy!. Tento význam může být: 1)prvotní neboli přirozený, 2)druhotný neboli konveční a 3)vnitřní význam neboli obsah.
Ustanovuje zásadní metodologiský postup: 1)předikonografický popis (potřeba praktické zkušenosti a dějiny stylu) 2)ikonografický rozbor (zde je potřeba znát, dle Panofskyho, literární prameny) 3)ikonolickou interpretaci (a zde mít syntetickou intuici, která je potřeba k diagnostice).
Přejímání motivu (např. křesťanstvím motivy klasické) nazývá ikonografickou afinitou. Dle Panofskyho středověk nepřihlížel ke klasickým formám, protože neměl dostatečný distanc a chyběla návaznost (nebylo součástí jejich kulturního kosmu). Zavádí termín "kunstwollen" což značí uměleckou tendenci (stejně jako Gombrich označuje egyptskou tendenci za snahu zobrazit stálé nikoliv jejich funkci). Rozměr se pak mění, protože bylo potřeba zobrazit pohyb. Klasifikuje egyptskou metodu jako konstrukční (pomocí mřížky), klasickou starověkou jako antropocentrickou (neprve části těla, pak celek) a středověkou jako schematickou (pomocí kružnic např.). Rozlišuje soustředění na "technickou" (středověk) nebo "objektivní"(starověk) proporci.
Knihu uzavírá výrokem, že "pokud žijeme pouze činy, emocemi nebo podněty našich pěti smyslů, vůbec nevíme, co vlastně děláme". Používá pro to metaforu muže na zemi, který má možnost jednat, ale nevidí a muže na věží, který vidí, ale nemá možnost jednat. Což je dle mého názoru velmi výstižné a skvěle to popisuje vztah divák-dílo-umělec.