L'abbreviazione XGA si riferisce alla dimensione di 1024 x 768 pixel; VGA sono invece 640 x 480 pixel.

Non ha senso parlare di risoluzione per le fotocamere digitali. Le dimensioni fisiche in centimetri (o pollici) della immagine catturata da un fotocamera digitale dipendono dalla dimensione di uscita (per esempio di stampa) del singolo pixel o equivalentemente dalla risoluzione (pixel per centimetro o pollice) di uscita.

Così, una immagine catturata a 2048 per 1536 pixel, se stampata a 370 pixel per pollice ha il lato maggiore di 2048/370 = 5,54" = 14,1 cm, mentre stampata a 740 pixel per pollice ha il lato maggiore di 2048/740 = 2,77" = 7 cm. In altre parole le dimensioni in centimetri (o pollici) ed equivalentemente la risoluzione della immagine non riguardano la fotocamera, ma solo un eventuale dispositivo di uscita.

Le fotocamere digitali hanno normalmente un rapporto di forma di 3:2 o di 4:3. La classica pellicola 35 mm fornisce dei negativi da 36 x 24 mm e quindi con rapporto di forma 3:2, lo stesso della carta da 15 x 10 cm.

Il sensore che viene esposto per catturare l'immagine è formato da elementi sensibili, che oggi sono quasi sempre dei particolari componenti optoelettronici chiamati CCD (Charge-Coupled Device).

Si tratta di costosi dispositivi monocromatici che, per loro natura, non possono registrare colori ma solo luminosità. Per catturare un colore è necessario anteporre al CCD un filtro.

Nuovi ed economici ma ancora scarsamente usati sono i CMOS (Complementary Metal Oxide Semiconductor).

Secondo il metodo utilizzato per catturare i singoli pixel del raster, le fotocamere digitali si possono classificare in due categorie:

Una camera a scansione funziona come uno scanner a letto piano: gli elementi di scansione (photoelement), ognuno dei quali cattura un pixel, sono contenuti in una singola riga (unidimensionale) di un sensore che viene mosso da un motorino elettrico e che legge l'immagine a risoluzione elevata.

Il sensore di una camera di questo tipo è rettangolare (non unidimensionale) ed è composto di milioni di elementi sensibili che vengono esposti alla luce simultaneamente.

L'esposizione può avvenire in tre passate (three-shot) o in una sola (one-shot o instant capture).

Nel caso di una camera three-shot (solo modelli professionali) ogni elemento del sensore rettangolare cattura un pixel e viene esposto tre volte attraverso tre filtri, rispettivamente rosso, verde e blu (RGB, red, green, blue). Come conseguenza la macchina può catturare solo immagini statiche.

Nel caso di una camera one-shot (modelli professionali, prosumer e consumer) il sensore rettangolare viene esposto una sola volta e dunque o la camera ha tre elementi sensibili separati per ogni pixel oppure, come è comune, è necessario sovrapporre ad ogni elemento del sensore un filtro colorato. Il filtro è applicato direttamente sull'elemento sensibile che è dunque dedicato alla cattura di un singolo colore.

Poiché ogni elemento cattura solo uno dei tre colori rosso, verde e blu, una volta che il sensore è stato esposto, il software della fotocamera ricostruisce gli altri due colori interpolando i colori dei pixel adiacenti. In pratica, poiché l'occhio umano è più sensibile al verde rispetto al rosso e blu, si assegna al 50% degli elementi sensibili un filtro verde, al 25% un filtro rosso e al rimanente 25% un filtro blu.

Mediante un procedimento di interpolazione il microprocessore stabilisce il colore della luce che ha colpito ogni singolo pixel.

Uno dei vantaggi di questo tipo di "condivisione" dei dati è che si possono fotografare soggetti in movimento. Uno svantaggio è che sono necessari quattro elementi sensibili per catturare un pixel e dunque i pixel reali dell'immagine finale sono quattro volte meno degli elementi sensibili. Inoltre il metodo può creare problemi (artefatti, rumore colorato noto come "effetto albero di Natale") specialmente nelle zone luminose e contrastate.

Questa categoria di fotocamere va sempre più distinguendosi in modelli professionali, prosumer (professional/consumer) e consumer. Le camere prosumer hanno oggi raggiunto i 3 milioni di pixel, ma non hanno caratteristiche professionali come le lenti intercambiabili e la possibilità  di montare macchine fotografiche professionali.

Le fotocamere digitali possono avere un obiettivo fisso, eventualmente con zoom oppure con attacco filettato. Ogni elemento sensibile del sensore ha un lato di circa 6 micron (il micron è un millesimo di millimetro). Nella pellicola tradizionale i granuli più piccoli sono maggiori di 10 micron.

Il sensore di una camera digitale cattura dunque una immagine più piccola di quanto non faccia il film, e quindi la lunghezza focale efficace di ogni lente viene aumentata. In una fotocamera digitale una lente normale diventa una teleobiettivo e un grandangolo diventa una lente normale. Per esempio la Kodak DCS 420 ha un grandangolo di 28 mm, che dà circa lo stesso campo di vista di una lente da 50 mm su una camera di 35 mm. Per avere un vera vista a grandangolo è necessaria una costosa lente da 16 mm.