L'image et le verbe sont deux moyens de communication fort différents, et certes complémentaires.
Je ne sais pas combien de mots il faudrait pour réellement signifier le contenu d'une image et le(s) message(s) que l'on pourrait interpréter.
De toute façon, dans le cas de mots placés en regard d'une image, il faut se dire qu'ils sont écrits après que l'image ait été produite, afin de traduire quelque chose de particulier, dans un contexte particulier. Ils constituent une seconde étape de lecture ou de perception, comme une assistance ou une main tendue.