多媒体技术研究的媒体主要指的是表示媒体。表示媒体主要有三种:视觉类媒体、听觉类媒体和触觉类媒体。

视觉类媒体

位图图像(Bitmap)

将所观察的图像按行列方式进行数字化，对图像的每一点都数字化为一个值，所有这些值就组成了位图图像。位图图像是所有视觉表示方法的基础。

图形是图像的抽象，它反映图像上的关键特征，如点、线、面等。图形的表示不直接描述图像的每一点，而是描述产生这些点的过程和方法，即用矢量表示。

符号包括文字和文本。由于符号是人类创造出来表示某种含义的，所以它与使用者的知识有关，是比图形更高一级的抽象，必须具备特定的知识才能解释特定的符号，才能解释特定的文本(例如语言)。符号的表示是用特定值表示的，如ASCII码、中文国标码等。

视频又称动态图像，是一组图像按时间的有序连续表现。视频的表示与图像序列、时间关系有关。

动画是动态图像的一种。它与视频的不同之处在于，动画采用的是计算机产生出来的图像或图形，而不像视频采用直接采集的真实图像。动画包括二维动画、三维动画等多种形式。

其他类型的视觉媒体形式，还有如用符号表示的数值、用图形表示的某种数据曲线、数据库的关系数据等。

波形声音是自然界中所有声音的拷贝，是声音数字化的基础。

语音也可以表示为波形声音，但波形声音表示不出语音的内在语言、语音学的内涵。语音是对讲话声音的一次抽象。

音乐与语音相比更规范一些，是符号化了的声音。但音乐不能对所有的声音都进行符号化。乐谱是符号化声音的符号组，表示比单个符号更复杂的声音信息内容。

指点包括间接指点和直接指点。通过指点可以确定对象的位置、大小、方向和方位，执行特定的过程和相应操作。

为了与系统交互，系统必须了解参与者的身体动作，包括头、眼、手、肢体等部位的位置与运动方向。系统将这些位置与运动的数据转变为特定的模式，对相应的动作进行表示。

这与位置跟踪正好相反，是由系统向参与者反馈的运动及力的信息，如触觉刺激(例如物体的表面纹理、吹风等)、反作用力(例如推门的门重感觉)、运动感觉(例如摇晃、振动等)以及温度和湿度等环境信息。这些媒体信息的表现必须借助一定的电子、机械的伺服机构才能实现。