Vizualizācija izmanto rīkus, metodes un teorētiskos ietvarus, lai sarežģītākas (konkrētas vai abstraktas) idejas vai lietas izteiktu statisku vai animētu attēlu, diagrammu, grafiku vai citu vizuāli telpisku reprezentāciju veidā. Vizualizācijas mērķis var būt gan konkrēts (piemēram, ierīces prototipa atveids), gan arī abstrakts (teorijas vizualizācijas, kā arī zinātniskas notācijas, piemēram, matemātikā vai ģeometrijā). Vizualizācija attiecas vai nu uz ikoniskiem (līdzībā balstītiem) vizuāliem atveidiem, attiecību atveidiem (abstraktiem), vai arī kompleksiem un hibrīdiem, kas ietver ne tikai ikoniskos un attiecību atveidus, bet ietver arī interaktivitātes un animācijas iespējas.

Vizualizāciju uztveres pamatā ir spēja uztvert attiecības vai analoģijas starp vismaz diviem dažādiem lietu vai parādību domēniem, balstoties to strukturālajā līdzībā. Vizualizāciju pētniecības jēga ir dažādu (konkrētu vai abstraktu) datu kopu pārveide pēc iespējas labi apjēdzamā vizuāli telpiskā atveidā.

Praktiskā nozīme vizualizācijai ir gandrīz visās mūsdienu zinātnes nozarēs. Datorgrafika, virtuālās realitātes sistēmas, medicīna, ģeogrāfija un ģeogrāfiskās informācijas sistēmas, meteoroloģija, vadībzinātnes, informācijas un bibliotēkzinātnes ir dažas no mūsdienu zinātņu nozarēm, kas nav iedomājamas bez vizualizāciju izveides.

Industriālajā pētniecībā un attīstībā būtiska ir prototipēšana un produktu vizualizācija. Kopumā centrāls uzdevums dažādām mūsdienu zinātnēm ir kvantitatīvas un statistiskas informācijas veiksmīga vizuāla atveide.

Pētniecībā apstiprinājies, ka veiksmīgu vizualizāciju lietojumā būtiski atvieglota lietotāja atmiņa un problēmrisināšana, kā arī padarīti ātrāki vizuālās uzmanības un meklēšanas procesi.

Datorzinātnē vizualizācijas aktīvi izmanto, projektējot sistēmas, aprakstot sarežģītus procesus un datu struktūras (entītiju attiecību modeļi, vienotās modelēšanas valodas – UML, unified modelling language – diagrammas).

Arvien vairāk vizualizācijas tehnikas tiek izmantotas uzņēmumos un valsts pārvaldē, kur tiek vizualizēti darba, pārdošanas, klientu atsauksmju u. c. rezultāti, ļaujot vadībai ātrāk un precīzāk izprast situāciju, pieņemt datos balstītus lēmumus un plānot turpmāko darbību.

Vizualizācija ir daļa no cilvēkcentrētas datorikas. Vizualizācijas galvenie sastāvelementi ir vizualizācijas tehnikas (piemēram, dažādu veidu diagrammas, grafiki u. c.), vizualizācijas pielietojuma jomas (zinātniskā, ģeogrāfiskā, informācijas vizualizācija, vizuālā analītika), sistēmas un rīki, vizualizācijas teorija, koncepti un paradigmas, empīriskie pētījumi, kā arī vizualizācijas projektēšanas un novērtēšanas metodes.

Nozares teorijas ir integrētas citās jomās kā vizuālās uztveres pētniecība, psiholoģija u. c. Tādējādi nošķirtu vizualizācijas teoriju nozare neeksistē. Tomēr nozares, kuru uzmanības centrā ir vizualizācija, ir iespējams sagrupēt pēc tā, cik kvalitatīva, interpretatīva vai kvantitatīva ir to darbības joma un izmantotās metodes. Teorētiskie ietvari ir iespējami gan vairāk saistīti ar dizainu un mākslu, gan arī psiholoģiju un empīriskajām zinātnēm.

Vairāki interpretatīvi un hermeneitiski teorētiskie ietvari ir saistīti ar semiotikas atziņām.

Kvantitatīvi orientētā pētniecībā vizualizācijas teorijas nereti ir datorzinātņu un saskarņu pētniecības ietvaros. Vienlīdz būtiska ir vizuālās uztveres un psiholoģijas pētniecība, kurā noformulēti precīzi, eksperimentāli pamatoti vizualizāciju principi, kā arī definēta pati reprezentācijas izpratne.

Jānošķir metodes, kas (a) izmantotas, lai veidotu vizualizācijas, un (b) metodes, kas izmantotas vizualizāciju analīzē. Pirmā veida metodes ietver dažādas, nereti pusautomātiskas vai automātiskas, pieejas, arī hierarhiskas taisnstūrveida vai apļveida vizuālas reprezentācijas, kas izkārtotas pakārtotības attiecībās (treemaps vai hyperbolic trees), intensitātes kartēs (heat maps), kas norāda intensitāti vērtību atainojumā, grafu zīmējumi (graph drawings), akcentējot attiecību attālumu un struktūru starp noteikta vizualizēta tīkla mezglu punktiem, dendrogrammas (dendrograms), koka veida pakārtotības attiecību diagrammas, kladogramas (cladograms), kas atveido koka veida evolucionāru struktūru.

Vizualizācijas metodes atšķiras divdimensionālu un trīsdimensionālu datu kopu gadījumā.

Otrā veida metodes variējas, sākot no eksperimentālām un korelatīvām, beidzot ar kvalitatīvām un hermeneitiskām. Eksperimentālās metodes vizualizācijas pētījumos ietver gan vizuālās uztveres eksperimentus, gan arī psihofiziskus un neirozinātniskus mērījumus. Kvalitatīvas metodes ietver, piemēram, lietotāju grupu segmentu nošķiršanu un intervēšanu, semiotisku analīzi.

Hibrīdas metodes ietver gan kvantitatīvus mērījumus, gan padziļinošus kvalitatīvus pētījumus. 

Vizualizāciju pētniecība no metožu viedokļa ir izteikti starpdisciplināra joma, kurā nav iespējams novilkt robežas mūsdienu zinātnes kopainā.

Vizualizācija ir ilgāka perioda attīstības rezultāts. Gandrīz vienmēr zinātnes attīstības gaitā ir bijuši vizualizācijas piemēri. Gan senās ģeogrāfiskās kartes, gan arī renesanses laika prototipu zīmējumi ir zināmā mērā vizualizācijas piemēri. Īpaša nozīme vizualizāciju teorijas izstrādē ir skotu inženierim un ekonomistam Viljamam Pleifēram (William Playfair), kurš 18. un 19. gs. izstrādāja vairākus diagrammu principus, kuri tiek lietoti joprojām.

Vizualizācijas attīstība ir cieši saistīta ar tehnoloģiju attīstību. 1957. gadā līdz ar FORTRAN programmēšanas valodas izveidi sākās statistikas datu datorizēta apstrāde, un 20. gs. 60. gadu beigās lieldatori jau ļāva radīt dažādas grafiskas formas. Sākās sadarbība starp datorzinātniekiem, datu analītiķiem un statistiķiem, kur liela nozīme bija progresam datu ievades un attēlošanas tehnoloģiju jomā, kā rezultātā radās jaunas paradigmas, valodas un programmatūras pakotnes datu apstrādei un vizualizēšanai. 70. gadu vidū parādījās pirmās ģeogrāfiskās informācijas sistēmas un interaktīvas divu un trīs dimensiju vizualizācijas. Džons Tukijs (John Tukey) ieviesa pētošo datu analīzi (exploratory data analysis, EDA), kura joprojām ir dominējošā pieeja datu analīzē.

Mūsdienu izpratnē vizualizācijas pētījumos virzība datorzinātņu jomā notika 1987. gadā, kad nāca klajā speciālizdevums “Vizualizācija zinātniskā skaitļošanā” (Visualization in scientific computing and computer graphics).

Līdz ar globālā tīmekļa attīstību parādījās jauni veidi, kā attēlot datus un informāciju; vizualizācijas parādījās blogos un tīmekļa vietnēs. Rīki vizualizāciju veidošanai (tagu mākoņi, domu kartes, infografikas u. c.) kļuva pieejami daudz plašākam cilvēku lokam; pieauga tās izmantošana žurnālistikā un citur. Pateicoties tīmeklim un iespējai datus pārraidīt tīklā, vizualizācijas vairs nebija statiskas, lietotājs klienta pusē varēja datus vizualizēt atbilstoši savām vajadzībām.

Pieaugot iespējām uzkrāt un glabāt milzīgus datu apjomus, radās iespēja iegūt daudz informācijas no dažādiem avotiem. Liela apjoma datu analīzē vizualizācijai ir kritiski svarīga loma, jo dažkārt tas ir vienīgais veids, kā identificēt struktūras, sakarības un tendences, lai palīdzētu dažādu uzdevumu izpildē.  

Šobrīd vizualizācija ir vairāku starpdisciplināru jomu mijiedarbības rezultāts ar visai izplūdušām robežām. Jomas, kas veido vizualizāciju kā pētniecības nozari, ir datorgrafika (datorģenerētu atveidu izstrāde), zinātniskā vizualizācija (vizuāli telpiskie attēli kalpo zinātnisku teoriju, modeļu, hipotēžu un datu labākai izpratnei; ar zinātnisko vizualizāciju saistītas ir arī izglītības nolūkiem veidotās vizualizācijas). Īpaši nozīmīgas ietekmes vizualizācijas attīstībā sniedz informācijas vizualizācijas joma, kur liela apjoma abstraktas datu kopas tiek vizuāli atveidotas, lai uzlabotu interpretācijas procesu lietotājiem, nereti izmantojot jaudīgas datortehnoloģijas. Informācijas vizualizācija nereti notiek reāllaika situācijās, kas paredz apjomīgus skaitļojamos resursus. Cita, saistīta joma vizualizācijas attīstībā ir zināšanu vizualizācija, kas ir būtiska cilvēku saziņas gaitā un izpaužas skicēšanā, diagrammu izveidē u. tml. Industriālajā pētniecībā nozīmīga ir produktu un prototipu vizualizācija. Arī saskarņu tehnoloģiju izpēte un izstrāde maina izpratni par vizualizāciju. Ar minētajām jomām saistīta un vizualizācijas attīstību ietekmējoša ir arī vizuālā analītika (pamatā analītisks liela apjoma datu izvērtējums, balstoties interaktīvā datu vizualizācijā, iespējams reāllaika apstākļos).

Problēma un izaicinājums šī brīža attīstības periodā ir vizualizāciju automatizēta izveide un interpretācija. Būtiska ir metožu izstrāde, lai veiktu automatizētu vizuāla atveida pārveidi citā vizuālā atveidā vai verbāla vai skaitliska materiāla automatizētu pārveidi vizuālā atveidā (vai otrādi). Šie jautājumi ir aktuāli arī mākslīgā intelekta un neirālo tīklu pētniecībā.

Nacionālās aeronautikas un kosmosa apgūšanas pārvaldes (National Aeronautics and Space Administration, NASA) Zinātniskās vizualizācijas studija (Scientific Visualization Studio) Amerikas Savienotajās Valstīs (ASV) apkopo augsti kvalificētus vizualizācijas ekspertus, lai veidotu vizuālus atveidus dažādiem pētnieciskiem un industriāliem nolūkiem.

Elektroniskās vizualizācijas laboratorija (Electronic visualization laboratory) Ilinoisas Universitātē Čikāgā (University of Illinois at Chicago).

Merilendas universitātes (University of Maryland) Cilvēka-datora saziņas izpētes laboratorija (Human-Computer Interaction Laboratory) ir viena no pirmajām cilvēka-datora saziņas pētniecības laboratorijām ar īpašu uzsvaru uz vizualizāciju izpēti.

Santa Barbaras Universitātes (University of California, Santa Barbara) Telpiskās domāšanas laboratorija (Spatial Thinking lab) – viena no vadošām psiholoģijas laboratorijām, kas nodarbojas ar vizualizāciju eksperimentālu izpēti.

Vašingtonas Universitātes (University of Washington, Sietlā, ASV) Interaktīvo/ā datu laboratorija (Interactive Data Lab), bijusī Stenforda vizualizācijas grupa (Stanford Visualization Group), – viens no tās pirmajiem projektiem bija sistēma Polaris, kura vēlāk tika komercializēta kā populārais vizualizāciju veidošanas rīks Tableau Software. Mūsdienās notiek darbs pie jaunu teorētisku modeļu, analīzes un interaktīvu vizualizāciju projektēšanas rīku izstrādes.

Nīderlandē Eindhovenas Tehniskās universitātes (Technische Universiteit Eindhoven) Matemātikas un datorzinātnes nodaļas vizualizācijas grupa (Department of Mathematics and Computer Science, Visualization) specializējas liela apjoma abstraktu datu (piemēram, datora cietā diska satura un lielas programmatūras sistēmas struktūras) vizualizācijā un analīzē, integrējot vizualizāciju un mašīnmācīšanās, datizraces un statistikas metodes. Pielietojumu jomas ir digitālā patoloģija, epidemioloģija u. c. veselības aprūpes tēmas, bioinformātika, datortīkla datplūsmas analīze, multimediju analīze, apdrošināšana un citas.  

Vizualizāciju izpēte aktīvi norisinās arī industriālās pētniecības un attīstības centros lielu uzņēmumu paspārnē (Adobe, IBM, Google, Microsoft un citur).

IEEE Transactions on Visualization and Computer Graphics (IEEE Computer Society, kopš 1995. gada) publicē rakstus par datorgrafiku, informācijas un zinātnisko vizualizāciju, vizuālo analītiku, virtuālo un paplašināto realitāti, galveno uzmanību pievēršot teorijai, algoritmiem, metodoloģijām, cilvēka-datora saziņas tehnikām, kā arī sistēmām, programmatūrai un aparatūrai šajās jomās.

Information Visualization (SAGE Publications, kopš 2002. gada) publicē rakstus par pētījumiem un informācijas vizualizācijas pielietojumiem, kā arī informācijas vizualizācijas teorijām, metodoloģijām, metodēm un novērtēšanu, uztveres un kognitīvajiem faktoriem.

Journal of Visualization (Springer Berlin Heidelberg, kopš 1998. gada) ir Japānas Vizualizācijas biedrības (Visualization Society of Japan) oficiālais žurnāls, kas iepazīstina ar jaunākajām vizualizācijas tehnoloģijām un to pielietojumiem.

Journal of Visual Literacy (Taylor & Francis, kopš 1989. gada), agrāk pazīstams kā Journal of Visual/Verbal Languaging (1981–1988), ir vecākais starptautiskais vizuālpratības žurnāls. Tajā tiek publicēti raksti par vizuālpratību, kas aptver plašu disciplīnu klāstu – izglītību, mācību tehnoloģijas, komunikāciju, uzņēmējdarbību, zinātni un mākslu, kā arī multimediju un interaktīvo tehnoloģiju izmantošanu un uztveri.

Visual Informatics (Elsevier B.V., kopš 2017. gada) veltīts teoriju, algoritmu un tehnoloģiju izstrādes un pielietošanas jautājumiem, kas saistīti ar vizuālo datu ieguvi, analīzi, sintēzi, uztveri un pielietojumu.

Mērija Hegartija (Mary Hegarty) ir nozīmīga eksperimentālā psiholoģe, nodarbojas ar vizuāli telpiskās informācijas uztveres izpēti un vada Santa Barbaras Universitātes Telpiskās domāšanas laboratoriju.

Stīvens Koslins (Stephen Kosslyn) ir nozīmīgs psihologs, bija Hārvardas universitātes (Harvard University) profesors, neirozinātnieks, atklāja mentālās priekšstatīšanas eksperimentālo izpēti un noformulēja vairākus veiksmīgus vizualizāciju principus.

Stīvens Palmers (Stephen E. Palmer) ir Bērklija universitātes Kalifornijā (University of California, Berkeley) profesors un vizuālās uztveres laboratorijas vadītājs, uztveres, krāsu, formu un estētiskās pieredzes pētnieks, izveidojis vienu no mūsdienu zinātnē biežāk lietotajām reprezentācijas teorijām, kā arī noformulējis vizuālās uztveres pētniecības galvenos principus.

Edvards Tufte (Edward Rolf Tufte), statistiķis un politikas zinātnieks, vizualizācijas un informācijas dizaina izpratni aktualizēja mūsdienu pētniecības uzmanības centrā. Sarakstījis vairākus no standartavotiem vizualizācijas izpētes jomā.

Džoks Makkinlejs (Jock D. Mackinlay), viens no pamatlicējiem informācijas vizualizācijas izpētei mūsdienu zinātnē, darbojies industriālajā pētniecībā Xerox PARC un Tableau Software.

Lorenss Rosenblums (Lawrence D. Rosenblum), matemātiķis, ASV Nacionālā zinātnes fonda Grafikas un vizualizācijas programmas (National Science Foundation, Program for Graphics and Visualization) direktors, veicis nozīmīgu darbu virtuālās realitātes pētniecībā.

Bens Šneidermans (Ben Shneiderman), datorzinātnieks, saskarņu pētnieks, Merilendas universitātes cilvēka-datora saziņas izpētes laboratorijas (University of Maryland, Human Computer Interaction Lab) dibinātājs.