Entendiendo el cien como una forma cultural pura, y no como un simple espectáculo, Arheim lanza una tesis provocativa. En una primera época, las virtudes del cine como arte son el producto de las propias limitaciones del medio (ausencia de sonido y de color, falta de profundidad tridimensional), convertidas por cineastas mudos en una nueva y distinta expresión artística. Como consecuencia, la introducción de ciertos medios mecánicos en una segunda época cinematográfica -que Arnheim analiza según las normas estéticas generales para la combinación de diferentes elementos: palabras, imagen, sonido- produce sin duda un mayor realismo, pero también una pérdida de valor artístico. He aquí, pues, uno de los textos clásicos de la teoría cinematográfica de los años treinta indiscutiblemente básico para comprender la evolución y el carácter de los filmes en un período muy concreto y sin duda crucial: el de finales del mudo y principios del sonoro. De este modo, el libro no sólo se basa en el bagaje teórico de Arnheim, sino que también refleja toda una época, como un crónica de primera mano transcrita en el lugar de los hechos.