人类生活在一个运动的世界里，物体通过我们的视野，视网膜上留下了一连串映像，而视网膜要求视野有变化才能正常活动。当人的眼睛盯住某个固定的物像（如墙上的某个斑点）目不转睛约五分钟左右，这一图像便会变得模糊不清。如果看一眼另外的东西，再回到原先那个图像上它又清楚了。这个实验表明：人眼具有不断追寻新的图像的生理本能。
布鲁塞指出，人的初生阶段即有了这种本能，如婴儿在能凝聚目光之前，便已经以眼追寻活动的物体。美国心理学家霍伯尔和瑞士科学家威塞尔（为1981年诺贝尔医学和生理学获奖者）的最新研究表明，人脑与眼具有探测形象运动的特殊细胞。这些细胞促使人在观察外界事物时具有一种生理需求：它不会老是停留在一处，而是不断地转移视线，不断地变幻角度去观察世界。影视是用声画记录形象和重现运动的，而蒙太奇的运用，正确地重现了我们通常观看事物时不断追寻新目标的方式，重现了我们在现实环 境里随注意力的转移而依次接触视像的内心过程。
这种心理过程不独存在于影视艺术之中，也体现于其它艺术领域。当你在读一本小说时，眼睛总是不间断地从一个字挪到另一个字，从一行挪到另一行。随着小说情节的推进及读者情绪的激动，眼睛运动的速度也随之加快。当小说处于平缓抒情段落时， 读者的心情显得平静安谧，运动速度也将缓慢和悠闲。这与人亲临某个事件的情形相吻合。当一个人在观察或亲历某桩非常激动人心和变动极快的活动时，他的反应节奏就会大大加速，他会迅速 地变换视线的方向。相反，对于一件平常的事他会十分平静以至冷漠，他对物像的观察也就变得缓慢。这种生理现象，便产生了蒙太奇的节奏要求。
综上所述，一个沉静的观察者所获得的印象可以通过一种所谓“慢切”的电影手法来加以重现，即让每个镜头在被代替前在银幕上停留较长的时间。而一个极度兴奋的观察者所获得的印象， 可以通过“快切”来加以重现，即用一系列互相接续的短镜头。影视艺术家正是利用蒙太奇实现了人类的这一心理过程。 因此，从某种意义上说影视艺术家的才能表现在利用蒙太奇手段，使人类的视觉心理节奏在影片中得到恰如其分的再现。在一个安静、和平的场面内，用快切的手法会造成跳动和突兀的效果，使观众不舒服。另一方面，假如场面内容是激动人心的，观众会本能地要求快切，这时如果剪接得缓慢，就会损害影片令人振奋的内容。那么，画面切换的“快慢”如何才恰当呢？只有由场面的情绪内容来决定才是恰当的，而场面情绪却蕴藏于剧本之中。因此，在完成片中出现的剪接型式，是在剧本中已作了相当明确规定的同一型式。而剧本中的这一型式，在剧作家写作过程中已逐步形成，甚至在他未动手之前，还在他收集素材的过程中，就已经用蒙太奇眼光拾取材料，对时空进行分解与组合。正是在这个意义上，蒙太奇是贯穿影视创作始终的独特的艺术思维方式，是影视艺术的基础。
从组合技巧到思维方式蒙太奇经历了从发生发展到成熟的历史过程。 严格地说，早期的电影没有蒙太奇剪辑，没有对时空的分解与重新组合。
卢米埃尔的电影实际上只是作为一种新技术的显示和简单的游戏而已。它用一种非常简单的方法制片，即把摄影机对准一个场景，直到把胶片拍完。这是一种缺乏蒙太奇构思的自然主义式的纪录。 梅里爱开始把不同场景下拍摄的镜头连接在一起来进行叙 事，使电影开始具有“分解与组合”的特征。显然，他比卢米埃尔前进了一步。但整场整场的戏都是从一个机位拍摄下来的，镜头的连接也是一种最简单的连接。他并没有理解到这种连接组合的巨大意义。
与此同时，美国导演鲍特和格里菲斯也在寻找电影独特的结构方式。1902年鲍特利用旧片库里的一些反映消防队员生活的影片素材，又用演员扮演的方法在摄影棚里补拍了抢救母亲和孩子的画面，然后把素材片和补拍片恰当地剪接起来，构成《一个美国消防队员的生活》。鲍特的这一尝试比卢米埃尔和梅里爱都前进了一大步，它探索了电影获得时空自由的可能性。
在鲍特的基础上，格里菲斯成为电影史上第一个自觉地使用 “蒙太奇”的人。在《道利冒险记》（1908年）中，格里菲斯创造了“闪回”的手法；在《凄凉的别墅》（1909年）中，他首次应用平行蒙太奇，创造了著名的“最后一分钟营救”手法；在《雷梦娜》（1910 年）中，他创造了大远景；在《龙尔达牧师》（1911年）中，他用了极近的近景，并且发展了交替切人的技巧；在《屠杀》（1912年）中，他首次应用了移动摄影。尽管格里菲斯有着上述一系列创造，并在《一个国家的诞生》（1915年）和《党同伐异》（1916年）这两部杰作中，把他所创造的新技巧应用得非常纯熟，但却从来没有把他的蒙太奇方法条理化。他似乎主要是凭直觉和一种不能言传的对电影手段的热爱来从事创作，他从未表示过他意识到这些原则的存在。他认为蒙太奇只是生动地表现戏剧故事的最有力的助手，把蒙太奇仅仅作为一种技巧手段加以运用，从本质上说，他还没有理解蒙太奇的基本性质和它的全部潜力。
第一次世界大战后，苏联电影工作者在分析了格里菲斯等人的创作经验之后，根据新生苏维埃政权对电影艺术的要求，并在一系列实验的基础上把蒙太奇发展成为一套完整的电影理论体系，从而形成了苏联蒙太奇学派，代表人物是库里肖夫、普多夫金和爱森斯坦。格里菲斯主要集中于如何处理两个戏剧场面之间的关系，而苏联导演却更多地想到单镜头和片断之间的关系，以及这种 关系所表达的含义和言外之意。
库里肖夫和普多夫金认为，电影的实质在于影片的构成，在于为组织一系列印象所拍摄的片断的相互关系——怎样由一个镜头转换到另一个镜头，它们在时间顺序上是怎样构成的。他们确信通过蒙太奇剪辑可以创造非凡的效果，达到电影的叙事和表意。为此，他们做了大量的实验来实践他们的理论，据普多夫金记载，1920年，库里肖夫曾把下面一些场面连接起来：
（一）一个青年男子从左向右走来。
（二）一个青年女子从右向左走来。
（三）他们相遇了，握手。青年男子用手指点着。
（四）一幢有宽阔台阶的白色大建筑物。
（五）两个人走向台阶。 这样连接起来的片断在观众眼中变成了一个不间断的行动： 两个青年在路上碰见了，男子请女子到附近一幢房子去。实际上， 每一个片断都是在不同地点拍摄的。表现青年男子的那个片断是在国营百货大楼附近拍的，女人那个片断则是在果戈里纪念碑附近拍的，而握手那个片断是在大剧院附近拍的，那幢白色建筑物却是从美国影片上剪下来的（它就是白宫），走上台阶那个片断则是在救世主教堂拍的。结果，虽然这些片断是在不同的地方拍摄的，可是在观众看来却是一个整体，在银幕上造成了库里肖夫所谓的“创造性地理学”。这里利用人们的错觉把不同时空的片断构成一个整体，蒙太奇的分解组合功能充分地体现了出来。但是苏联学派不仅仅停留在蒙太奇的叙事性方面，他们还进一步研究蒙太奇的表意功能。
普多夫金认为从某一个拍摄点拍摄下来的，然后放映在银幕上给观众看的每一个物像，即使它在摄影机前曾经是活动的，但它仍然只是一个“死的”对象。只有把这个物像和其它物像放在一起的时候，只有当它作为各个视觉形象组合的一部分而被表现出来的时候，这个物像才被赋予了生命。爱森斯坦高度概括了蒙太奇的这种表意功能。他说：两个镜头并列不是简单的一加一，而是一个新的创造。他认为，摄影机拍下的未经剪辑的片断既无意义，也无美学价值，只有按照蒙太奇原则组合起来之后，才能将富有社会意义和艺术价值的视觉形象传达给观众。
著名的“库里肖夫效应”，是爱森斯坦这一蒙太奇理论的有力证据。普多夫金曾对这个试验作了如下描述：“我们从某一部影片中选了苏联著名演员莫兹尤辛的几个特写镜头，我们选的都是静止的没有任何表情的特写。我们把这些完全相同的特写与其它影片的小片断连接三个组合。在第一个组合中，莫兹尤辛的特写后面紧接着一张桌上摆了一盘汤的镜头，这个镜头显然表现出莫兹尤辛是在看着这盘汤。第二个组合是，使莫兹尤辛的镜头与一个棺材里面躺着一个女尸的镜头紧紧相连。第三个组合是这个特写后面紧接着一个小女孩在玩着一个滑稽的玩具狗熊。当我们把这三种不同的组合放映给一些不知道此中秘密的观众看的时候，效果是非常惊人的。观众对艺术家的表演大为赞赏。他们指出，他看着那盘忘在桌上没喝的汤时，表现出沉思的心情；他们因为他看着女尸那幅沉重悲伤的面孔而异常激动；他们还赞赏他在观察女孩玩耍时的那种轻松愉快的微笑。但我们知道，在所有这三个组合中，特写镜头中的脸都是完全一样的。”
爱森斯坦曾强调指出：把无论两个什么镜头对列在一起，就必然产生新的表象、新的概念、新的形象。通过镜头的对列冲突，产生新的意义，以引导观众的理性思考。这是爱森斯坦“杂耍蒙太奇”和“理性蒙太奇”要旨所在。蒙太奇既诉诸于叙事情感，也诉诸于理性。因此在《战舰波将金号》一片中，爱森斯坦切入与剧情毫无关系的“石狮扑卧、抬头、跃起”三个镜头，从而表现人民的觉醒与反抗。在《十月》中这种表达抽象观念的倾向更为明显，以沙皇铁像各部位的崩落来象征沙皇政权的崩溃，以插入拿破仑的雕像隐喻克伦斯基的独裁。
爱森斯坦试图通过蒙太奇把形象思维同逻辑思维沟通起来，把科学和艺术结合起来，力图以电影体现人的理性活动，加强电影的哲理化倾向。这本是十分可贵的。但爱森斯坦把蒙太奇的作用强调过了头，认为电影应当象历史科学那样，用蒙太奇手段来解释现实，可以避开人物塑造直接表达思想，甚至打算将《资本论》搬上银幕。结果他的某些影片形象破碎，晦涩费解。尽管如此，爱森斯坦等苏联学派代表人物对电影蒙太奇理论的贡献是不可磨灭的。在上世纪五六十年代，长镜头得到了普遍的运用，特别是电视的报道手法更助长了这一倾向。复杂的纵深场面调度在故事片中日益得到发展，这种场面调度不需要更换动作地点，这就改变了传统蒙太奇的性质。电影理论界认为，这种蒙太奇的演变标志着电影史上的一个新时代。虽然上世纪五六十年代，西方一些电影报刊上不时出现 “蒙太奇消亡”、“蒙太奇的末日”等预言，但实践证明，没有蒙太奇就不成为电影，即使在长镜头中也存在着一种镜头内部蒙太奇（场面调度）。蒙太奇也存在于电视中，即使是向电视观众直播当场发生的事件，比如轮船下水、体育比赛或代表团到来等等，也是要经过现场剪辑的。这种现场剪辑要求电视摄影师和导演具有特殊的素养，能立即发现并准确地表达事件实质，需要更敏锐的蒙太奇思维和蒙太奇眼光。
