Menschen nehmen ihre Umwelt mit all ihren Eigenschaften und mit allen zur Verfügung stehenden Sinnen wahr. Der visuellen Wahrnehmung wird dabei eine besondere Bedeutung zugeschrieben. Sehen ist ein instinktiver Prozess. Was wir sehen und wie wir etwas sehen wird von unserem Gehirn individuell bestimmt. Unsere Wahrnehmung wird also durch unsere Erfahrungen und Erlebnisse gefiltert (BELLEBAUM et al. 2012, 31). Unser Sehvermögen beruht auf Augenbewegungen, welche zum Teil unbewusst als auch bewusst ablaufen. Mit dem Blick tasten wir instinktiv unsere Umgebung ab. Dieser Blick ist es auch, der ein Objekt aus unserer unmittelbaren Wahrnehmung ins Visier nimmt und näher betrachtet. Die Wahrnehmung funktioniert dabei nicht linear, sondern vielmehr fragmentarisch, in Rastern und ist mit unseren persönlichen Erlebnissen und Interessen vermischt (LYNCH 1965, 10f.).

In der Stadt wird der Mensch mit einer rundum bebauten Umwelt konfrontiert. Es entsteht ein besonderes Verhältnis zwischen Mensch und Stadt, da sie sich gegenseitig nie einander entziehen können. Ausgehend davon stellt sich die Frage ob und wenn ja, wie der Mensch über die Stadt nachdenkt. Das Stadtbild zu betrachten bringt für unsere visuelle Erfahrung ein größeres Vergnügen als einzelne Gebäude isoliert anzusehen. Denn das Zusammenbringen von Gebäuden ermöglicht die Kunst der Interaktion. In der Gruppe entstehen Zusammenhänge zwischen den Gebäuden und ihrer Umgebung, was für das isolierte Gebäude unmöglich wäre (CULLEN 1961, 7f.).