uma imagem está em foco quando os diversos raios de luz provenientes de um determinado ponto A são convergidos pela lente formando no anteparo que recebe a imagem um único ponto. Porém, para objetos próximos uns dos outros o olho humano não consegue distinguir a diferença entre a imagem do ponto A formada por um único ponto ou a mesma imagem formada por vários pontos dispersos, porém muito próximos uns dos outros:

Na figura, a imagem do ponto C, que está um pouco mais distante da câmera, será formada também um pouco mais à esquerda de A no anteparo dentro da câmera (quanto mais perto o ponto A estiver da lente, mais à direita estará dentro da câmera o ponto de encontro dos raios e vice-versa). No entanto, para o olho humano os pontos A e C estarão focalizados enquanto que o ponto D, mais distante, não estará:

Isso ocorre porque o olho humano não consegue distinguir o círculo formados pelos diversos pontos luminosos em C do único ponto luminoso A. Já quando estes pontos afastam-se mais um pouco, como em D, a percepção passa a ser perceptível. Este círculo de pontos, que não pode ser notado pelo olho humano, é denominado círculo de confusão.

Supondo-se que para pontos à esquerda de A no objeto cuja imagem está sendo formada e à direita de C (idem) o olho humano passe a notar a imagem não focalizada (como em D no desenho acima), esta distância A-C denomina-se profundidade de campo. O ponto C poderia estar à esquerda de A; assim, existe uma região para frente e para trás do ponto onde a imagem está focalizada dentro da qual qualquer objeto estará também em foco para o olho humano. Esta região é a profundidade de campo.

Na câmera de orifício a nitidez da imagem extende-se até o infinito: a profundidade de campo é muito grande porque não há convergência de raios (não há lente), um único raio (na verdade um feixe ínfimo deles que pode ser tratado com um só) proveniente de A, de C e de D forma no anteparo um único ponto A, um único ponto C e um único D.

A profundidade de campo depende também da quantidade de raios de luz que a lente utiliza para formar a imagem: uma lente de diâmetro maior vai captar mais raios de luz (e portanto ser mais luminosa), porém a amplitude do 'leque' formado pelos raios vai aumentar:

quanto mais 'fechado' for este 'leque' de raios, mais extensa será a faixa na qual o olho humano não distinguirá falta de foco na imagem:

a imagem formada pelo ponto A na figura da esquerda também aparentará estar em foco se o anteparo estiver colocado no ponto C e vice-versa. Na figura da direita a margem de deslocamento para que isto ocorra é bem menor: a profundidade de campo é menor neste caso. Na prática, é utilizado um dispositivo denominado diafragma para controlar a abertura pela qual entra a luz na câmera e com isso permitir o controle artificial da profundidade de campo.

A profundidade de campo varia com a distância do objeto focalizado à câmera. Assim, para objetos situados distantes da lente, a faixa de nitidez estende-se bem à frente e bem para trás do objeto. Porém, para objetos próximos da lente, esta faixa se reduz drasticamente. A causa é a mesma descrita acima para o uso do diafragma: raios provenientes de objetos situados longe da câmera formam um leque fechado, situados próximo da câmera formam um leque aberto.

Pelo mesmo motivo, só que agora na parte lente-anteparo, se os raios provenientes da lente que atingem o anteparo formarem um leque fechado, a profundidade de campo será maior do que se este leque for aberto. Leque fechado é formado quando os raios convergem pouco após atravessar a lente, ou seja, a distância focal é grande. Leque aberto, de maneira inversa, é formado quando a distância focal é pequena. Em outras palavras a profundidade de campo diminui com o aumento da distância focal e vice-versa.

A profundidade de campo varia com a área da imagem formada pela lente. Quanto menor esta área, maior a profundidade de campo da imagem, mantendo-se os demais fatores acima citados inalterados. É por este motivo que as cenas de filmes geralmente apresentam profundidade de campo menor do que as do vídeo: enquanto que em cinema geralmente se trabalha com películas de 35mm de largura (cuja imagem central, descontando os espaços laterais para as perfurações possui 25mm de largura), em vídeo os CCDs mais comumente utilizados possuem área bem menor. Um CCD de 1/2 pol. (medida de seu diâmetro) por exemplo, possui 11mm de largura e um CCD de 1/3 pol. possui 8,5mm de largura. O mesmo ocorre em cinema, onde profundidades maiores são obtidas mais facilmente com bitolas menores (70mm / 35mm / 16mm e 8mm).

O termo profundidade de foco é, algumas vezes, utilizado incorretamente como sinônimo de profundidade de campo. Profundidade de foco refere-se ao que está em foco atrás das lentes (dentro da câmera) e profundidade de campo, como visto acima, ao que se apresenta em foco na frente das lentes (fora da câmera).