I detta kapitel argumenterar jag för att text och bild kan förstås som olika men visuellt sammanhängande modaliteter som i många avseenden befäster eller fungerar som komplement till varandra. Det språk med vilket vi tillskriver världen vissa betydelser kännetecknas av dess multimodalitet (Matthiessen, 2007). Begreppet multimodalitet belyser mångfalden av de modaliteter varigenom vi kommunicerar och därmed realiserar de innehållsmässiga innebörderna av ett visst uttryck. Med andra ord menar jag att den uttrycksmässiga formen också har potential att avgöra den innehållsmässiga karaktären av ett budskap – åtminstone om man även följer medieteoretikern Marshall McLuhans (1964) klassiska devis: Mediet är lika med budskapet. Detta kan ses som ett första multimodalt antagande, att formen spelar stor roll för vilken typ av budskap som förmedlas. Utan att för den delen anta en deterministisk eller icke-diskursiv position, menar jag att det finns en poäng i att inte enbart utgå från innehållet utan också hur det framställs. Själva paketeringen eller hur ett budskap framförs är inte oviktigt utan en avgörande del av hur vi numera exponeras för olika slags medierat eller via olika medier förmedlat innehåll. Medieringen är det innehållsligas form eller framförande. Hur ett innehåll framförs är en högst klassisk fråga om hur vi bäst når ut med ett budskap för att övertyga om dess väsentlighet.