世の中にはさまざまな音があり、それらを分解していくと音の特長が見えてきます。
その中で最もわかやすい音が純音（じゅんおん）と呼ばれるものです。音はグラフ（正弦波）で表すことができ、周波数、振幅、位相の3つの要素があります。周波数は1秒間に何回振動するかを表しており、単位はHz（ヘルツ）です。また振幅においては、振動変化の最大値を表し、単位はPa（パスカル）になります。位相は1周期中のどの時点かを表す量のことです。楽器のチューニングなどで使用される音叉（おんさ）をたたくと出る音が純音になります。
この純音を組み合わせてできている音は複合音と呼ばれ、その中でいちばん低い純音（基準音）とそれ以外の純音の関係が整数倍になっている複合音は周期的複合音と呼ばれます。楽器の音色や人の声はこの周期的複合音になります。

人間の耳は同じ音圧レベルでも、周波数によって大きさが異なっているように感じられます。一般的に人は4kHzあたりの音に対してもっとも敏感で、これより高くても低くても音への感度は鈍くなっていきます。感度の高い周波数の音と感度の低い周波数の音を比べた場合、同じ音圧レベルでも小さく感じます。人が感じる音の聞こえかたを表した曲線を等ラウドネス曲線といいます。

人が音を聞く場合、3つの要素を聞き分けることができます。これは「音の3要素」と呼ばれるもので、音の高さ（ピッチ）、音の大きさ（ラウドネス）、音色になります。

音の高さは周波数で表すことができます。周波数が高くなれば高い音、低くなれば低い音となり、一般的に人が認識できる可聴領域は、20～20,000Hz（ヘルツ）と言われています。 1オクターブとは高い音の周波数が低い音の周波数のちょうど2倍になることを示します。楽器ではラの音（イ音）を440Hzあたりの周波数に合わせてチューニングします。

人間が音を聞く場合、音の大きさとエネルギーの大きさは一致しません。そこで対数表記であるdB（デシベル）という単位を用いて音の大きさを表現します。音響学的には感覚的に感じる音量を「音の大きさ」、物理的に測定されるものを「音の強さ」と呼びます。

音色は、音の大きさや高さと比べ人の感覚的要素を多分に持っています。音の印象的な表現としては「明るい」「暗い」「クリアな」「にごった」「迫力がある」「ものたりない」などの表現があります。また、音色によって「ギターの音」や「ピアノの音」といった音を識別することもできます。物理的には周波数スペクトル、立ち上がり、減衰特性、ノイズ成分の有無などがあげられます。