閱讀始於字形這樣的視覺信息的分析，並且在通達語義的過程中語音信息自動激活，盡管激活的時間進程在中文和拚音文字的閱讀中是不同的（Perfetti，Liu，& Tan，2005；Perfetti，Zhang，& Berent，1992）。而導致中文和拚音文字閱讀的不同主要是來自不同語言在這兩方麵的差異：①字形的視覺特征；②形音對應規則，即字形與語音的對應。
在字形方麵，中文與大部分拚音文字的主要差異在於漢字是由多個部件組成的方形結構，並且這些部件存在一定的空間關係，如從上到下、從左到由、由外到內、由內到外等。即使組成的部件完全一樣，通過不同的空間組合也可以組成不同的漢字。例如，“口”與“木”，可以組成語音和語義完全無關的漢字：“呆”“杏”“困”（“口”與“木”本身也是獨體字）。一些漢字甚至由更多部件通過更加複雜的空間組合而得到，例如，“冀”由“北”“田”“共”三個部件從上到下組合而成。同時，組成漢字的每個部件本身是由不同筆畫，通過一定的組合而形成的。因此，在漢字閱讀中，除了識別具體筆畫和部件，還需識別部件之間的空間關係。這種對整體空間結構的加工過程與麵孔識別中對臉部各個組成部分（鼻子、眼睛、嘴巴等）的整體加工（Young，Hellawell，& Hay，1987）是相似的。這種表征組成漢字的多個部件之間的空間關係的信息，與表征部件本身的信息是不同的。後者主要由高頻視覺信息表征，而前者主要由低頻視覺信息表征。每種語言中的任何一個字或詞都包含一定頻率範圍的視覺信息，但漢字由於具有非線性的空間結構的特征而含有更多低頻信息。在漢字中，低頻信息對區別像“呆”與“杏”這樣的漢字具有重要的意義，而高頻信息對區別像“午”與“牛”這樣在具體筆畫上的差異尤其重要。在英語中，“bat”和“bit”也主要在表征字母特征的高頻信息上存在差異。因此，與英文相比，長期的漢字閱讀經驗會塑造字形加工的腦網絡，從而使得低頻視覺信息的加工更為有效。
中文與拚音文字的另一個主要差別在於形音對應。在拚音文字中，組成單詞的各個字母往往對應著各個音素（“bit”中的“b”對應/b/），即在音素水平上存在對應關係，而組成漢字的各個部件並不對應組成該漢字發音的任何音素，而是每個漢字對應該漢字的整字發音（“馬”與/mǎ/），即在音節水平上存在對應關係。盡管在很多複合字中，聲旁會提供關於漢字發音的線索，如“媽”中的“馬”，但在這裏聲旁並不對應整個音節的聲母（“m”）或者韻母（“a”），因此與拚音文字中形音在音素水平上的對應是不一樣的。由此可見，漢語中形音對應是在一個比較大的單元（漢字與音節）上，而拚音文字則是在比較小的單元（字母與音素）上。這種特征使得在不同文字的閱讀中，語音激活的時間進程不一樣。在拚音文字中，由於每個字母對應組成整詞發音的音素，因此對每個字母（“b”）進行視覺字形分析的同時，其對應的音素（/b/）也得到激活，而在漢語中，漢字的語音信息需要等字形分析進行到一定程度後才得以激活。前者被稱為瀑布式的加工（cascade-style processing），即語音激活可在字形加工開始的同時就逐漸展開，而後者被稱為閾限式的加工（threshold-style processing），即語音的激活需要以字形分析進行到一定程度為前提（Perfetti et al.，1992）。盡管在拚音文字中，相對芬蘭語等語言，英語屬於形音對應不規則或者不透明的語言，然而漢語中存在大量同音字的特征使得漢語中形音對應規則遠比英語更加模糊。例如，當不考慮聲調的差異時，“shi”有69個同音字（“是”“時”“事”“式”“市”“使”等），而這些同音字的寫法和意思非常不一樣。基於漢字的這些特點，具有成熟的字形表征對區分不同的漢字顯得尤其重要。