Bildspråk i poesi fungerar i allmänhet som diktens ryggrad eller jordstång eftersom bilder används för att framkalla en läsares svar på magnivå. Bild och bildspråk har många olika konnotationer och betydelser, men för poeten förmedlar de en fullständig mänsklig upplevelse med väldigt få ord. Inte nödvändigtvis alltid en mental bild, bildspråk i poesi kan tala till vilket som helst av de fem sinnena och förmedlas vanligtvis med bildspråk.
Studiet av en dikt börjar ofta med dess bildspråk. Som en allmän term är bildspråk användningen av språk för att representera handlingar, känslor och andra sensoriska och extrasensoriska upplevelser. Poeten Tony Hoagland beskriver poesi som verk på många nivåer. Den retoriska nivån omfattar det rent intellektuella materialet, medan diktionen är där poetens röst framträder. För Hoagland är bilden den konkreta, eller tarmnivå, del av dikten som känns mest verklig för läsaren.
Den amerikanska poeten och kritikern Ezra Pound beskrev en gång en poetisk bild som något som fångar ett känslomässigt och intellektuellt komplex på ett ögonblick av tiden. Bildspråk sätter ord på vad människor upplever känslomässigt, intellektuellt och konkret i varje givet ögonblick. Ögonblicket fryses i ord, vilket gör att läsaren kan dröja i och återuppleva det varje gång han eller hon läser dikten.
Orden som används för att frysa en bild är inte en enkel stand-in för ett objekt; de kommunicerar en fullständig mänsklig upplevelse på en intellektuell, sensuell och emotionell nivå. Att fånga ett ögonblick är det som gör bildspråk i poesi gripande, och möjligheten att missa upplevelsen ger bilden kraft. Poeten måste frysa bilden så fullständigt som möjligt så att något flyktigt i verkligheten, som att äta en godisbit eller se ett stjärnfall, blir en långvarig upplevelse som läsaren kan återuppleva om och om igen.
När en bild väl har tagits i skrift kan den ses som bokstavlig, perceptuell eller konceptuell. Bokstavliga bilder i poesi tenderar att sätta scenen, som att titta på ett fotografi, och är konkret och representativ. En perceptuell bild tilltalar ett av de fem sinnena och är inbäddad i en poetisk anordning som en metafor eller symbol, som till exempel beskriver ett björnbär som ett sött kött. En konceptuell bild som slottet av Gud är svår att visualisera, men läsaren kan ha en uppfattning om vad det är.
Poeter förmedlar vanligtvis bildspråk i sina verk genom att använda bildspråk och poetiska anordningar som metafor, symbol och metonymi. En bild kan tilltala ögat, smak och beröring. Bilder kan också vara abstrakta, tilltalande för läsarens intellekt, och kinestetiska eller hänföra till kroppslig rörelse. I många fall överlappar och kombinerar bilder; således kan en kinestetisk bild också vara visuell eller taktil.
Strax före första världskriget steg en grupp poeter som blev kända som imagister framträdande. Ezra Pound, Amy Lowell och Hilda Doolittle var framstående medlemmar. Imagisterna använde dagligt tal snarare än förlitade sig på bildspråk och trodde att en tillgänglig, tydlig och direkt bild var avgörande för poetiska verser. Denna rörelse påverkade bildspråk i poesi under hela 20-talet och kan ses i bland annat objektivistiska och Beat-dikter.