Wittgenstein démontre qu'on ne peut pas fonder la parole et le langage sans faire appel à l'intuition et à l'imagination. Les concepts langagiers ne sont plausibles que sur la base de la langue courante. Le "sens du réel" dépend de concepts flous, qui ont une fonction indicatrice. Quand nous percevons un objet, nous le supposons inscrit dans un horizon qui nous permet de choisir parmi les possibles, ou de distinguer une "vraie" chose d'une attrape visuelle. Grâce à cet horizon fluctuant, indéterminé et potentiel, nous acceptons ou refusons une détermination. Mais l'image et l'horizon restent distincts. La contamination de l'un par l'autre entraîne un surplus imaginaire.

L'image est singulière, et aussi polyvalente et diverse. Elle attire notre attention par plusieurs aspects (différence iconique). Même si l'image forme une unité optique, des oppositions et contrastes apparaissent entre ces éléments. La focalisation se déplace. Ce qui se présente à notre vue (par exemple d'abord le proche, puis le lointain) peut varier, car l'image aussi nous regarde. L'image ne devient entièrement image que quand nous lui donnons un sens.

Quelle est la "chose" de l'image? L'attention doit-elle se fixer sur les figures roses, ornementales, ou sur l'horizon qui fluctue entre le bleu du ciel et le vert du sol? Ce sont les figures que nous voyons d'abord, mais dans un second temps le fond s'avance vers nous. L'arrangement n'est pas figé. Le mouvement des danseuses coopère avec un autre mouvement. Les plans de l'image s'échangent et se stimulent réciproquement. De cette interaction naît un sens spécifique, iconique.