Vse vizualne informacije, ki jih prejme človeški um, obdeluje del možganov, znan kot vizualna skorja. Vidna skorja je del najbolj zunanje plasti možganov, skorje, in se nahaja na hrbtnem polu okcipitalnega režnja; preprosteje povedano, v spodnjem zadnjem delu možganov. Vizualna skorja pridobi informacije prek projekcij, ki se raztezajo skozi možgane iz zrkla. Projekcije najprej preidejo skozi vmesno točko v sredini možganov, mandljevo kepo, znano kot lateralno geniculatno jedro ali LGN. Od tam se projicirajo v vizualno skorjo za obdelavo.
Vizualna skorja je razdeljena na pet področij, označenih z V1, V2, V3, V4 in MT, ki se včasih imenuje V5. V1, ki se včasih imenuje črtasta skorja zaradi svojega črtastega videza, ko je obarvan in dan pod mikroskop, je daleč največji in najpomembnejši. Včasih se imenuje primarna vidna skorja ali območje 17. Druga vidna področja se imenujejo ekstrastritna skorja. V1 je eno najbolj raziskanih in razumljenih področij človeških možganov.
V1 je približno 0.07 palca (2 mm) debela plast možganov s približno površino indeksne kartice. Ker je zmečkan, je njegova prostornina le nekaj kubičnih centimetrov. Nevroni v V1 so organizirani tako na lokalni kot na globalni ravni, s horizontalnimi in vertikalnimi organizacijskimi shemami. Pomembne spremenljivke, ki jih je treba abstrahirati iz neobdelanih senzoričnih podatkov, vključujejo barvo, obliko, velikost, gibanje, orientacijo in druge, ki so bolj subtilne. Vzporedna narava računanja v človeških možganih pomeni, da obstajajo določene celice, ki se aktivirajo s prisotnostjo barve A, druge pa z barvo B itd.
Najbolj očiten organizacijski protokol v V1 je protokol horizontalnih slojev. Obstaja šest glavnih plasti, označenih z rimskimi številkami od I do VI. I je najbolj zunanja plast, najbolj oddaljena od zrkla in LGN, zato prejme najmanjše število neposrednih projekcij, ki vsebujejo vizualne podatke. Najdebelejši živčni snopi iz LGN se projicirajo v plasti V in VI, ki sama vsebujeta živce, ki se štrlijo nazaj v LGN in tvorijo povratno zanko. Povratne informacije med pošiljateljem vizualnih podatkov (LGN) in njegovim procesorjem (V1) so koristne za razjasnitev narave dvoumnih zaznavnih podatkov.
Surovi senzorični podatki prihajajo iz oči kot skupek sprožitev živcev, imenovan retinotopični zemljevid. Prva serija nevronov je zasnovana za izvajanje sorazmerno elementarnih analiz senzoričnih podatkov – zbirka nevronov, zasnovanih za zaznavanje navpičnih črt, se lahko aktivira, ko se izkaže, da je kritični prag vizualnih “pikslov” konfiguriran v navpičnem vzorcu. Procesorji višje ravni sprejemajo svoje »odločitve« na podlagi predhodno obdelanih podatkov iz drugih nevronov; na primer, zbirka nevronov, zasnovanih za zaznavanje hitrosti predmeta, je lahko odvisna od informacij nevronov, ki so zasnovani za zaznavanje predmetov kot ločenih entitet od njihovega ozadja.
Druga organizacijska shema je vertikalna ali stebrična nevronska arhitektura. Stolpec se razteza skozi vse vodoravne plasti in je običajno sestavljen iz nevronov, ki imajo funkcionalne podobnosti (»nevroni, ki se sprožijo skupaj, žicajo skupaj«) in skupnih značilnosti v njihovih pristranskostih. Na primer, en stolpec lahko sprejema informacije izključno iz desnega zrkla, drugi pa iz levega. Stolpci imajo običajno podstolpce, ki se imenujejo makrostolpci oziroma mikrostolpci. Mikrostolpci so lahko tako majhni, da vsebujejo le sto posameznih nevronov.
Preučevanje podrobnosti obdelave informacij v človeških možganih je težko zaradi zapletenega, ad hoc in na videz neurejenega načina, na katerega so se razvili možgani primatov, pa tudi zaradi kompleksne narave, ki jo bodo vsi možgani zagotovo pokazali zaradi svoje velike naloge. Selektivna poškodba vidne skorje pri živalskih subjektih je v preteklosti eden najbolj produktivnih (in kontroverznih) načinov raziskovanja nevronskega delovanja, vendar so v zadnjem času znanstveniki razvili orodja za selektivno deaktivacijo ali aktiviranje določenih možganskih področij, ne da bi jih poškodovali. Ločljivost naprav za skeniranje možganov se eksponentno povečuje, algoritmi pa so vse bolj izpopolnjeni za obvladovanje poplave podatkov, značilnih za kognitivne znanosti. Ni nemogoče domnevati, da bomo nekega dne lahko razumeli vidno skorjo v celoti.