หลักการทำงานของการถ่ายภาพแบบคอนโฟคอลนั้นได้รับการจดสิทธิบัตรเมื่อปี ค.ศ. 1957 โดย มาวิน มินสกี้ (Marvin Minsky) [2][3] การถ่ายภาพแบบคอนโฟคอลนี้มีจุดประสงค์เพื่อแก้ไขปัญหาข้อจำกัดต่างๆของกล้องจุลทรรศน์แสงฟลูออเรสเซ็นต์แบบมุมมองกว้าง (wide-field fluorescence microscope) ซึ่งเป็นแบบดั้งเดิม โดยกล้องจุลทรรศน์แสงฟลูออเรสเซ็นต์แบบมุมมองกว้างนั้นจะใช้แสงฟลูออเรสเซ็นต์ความยาวคลื่นหนึ่งส่องไปบนทุกส่วนของชิ้นเนื้อตัวอย่าง และชิ้นเนื้อตัวอย่างนั้นจะสะท้อนแสงฟลูออเรสเซ็นอีกความยาวคลื่นหนึ่งมายังตัวรับแสง (photodetector) ดังนั้นตัวรับแสงจะรับแสงฟลูออเรสเซ็นที่สะท้อนมาทั้งหมด ซึ่งรวมถึงแสงที่ไม่ได้อยู่ที่จุดโฟกัส ในทางตรงกันข้ามกันกล้องจุลทรรศน์แบบคอนโฟคอลใช้แหล่งกำเนิดแสงฟลูออเรสเซ็นแบบจุด (เกี่ยวข้องกับ Point Spread Function) และใช้เลนส์โฟกัสแสงไปบนชิ้นเนื้อตัวอย่างและรับแสงสะท้อนจากชิ้นเนื้อตัวอย่างมาผ่านรูขนาดเล็กเพื่อกำจัดแสงที่ไม่ได้อยู่บริเวณจุดโฟกัสก่อนที่แสงจะไปสู่ตัวรับแสง ดังนั้นจะมีแสงที่จุดโฟกัสเท่านั้นที่นำมาสร้างเป็นสัญญาณภาพ ด้วยเหตุนี้เองภาพที่ได้จึงมีความละเอียดสูงขึ้น โดยเฉพาะอย่างยิ่งความละเอียดของภาพทางด้านความลึก เนื่องจากแสงจากบริเวณที่ตื้นหรือลึกกว่าจุดโฟกัสจะถูกกำจัดโดยรูขนาดเล็กก่อนที่จะมาถึงตัวรับแสง แต่ถึงอย่างไรการใช้รูขนาดเล็กในการจำกัดแสงที่รับเข้ามาจะทำให้ภาพมีความเข้มของแสงลดลงตามไปด้วย ดังนั้นในการใช้กล้องคอนโฟคอลจึงจำเป็นต้องเพิ่มเวลาในการเปิดหน้ากล้องให้นานขึ้น เมื่อการรับแสงเป็นการรับแสงแบบทีละจุดจากจุดโฟกัส ดังนั้นการที่จะได้ภาพ 2 มิติ จำเป็นต้องทำการสแกนการรับภาพทางแนวราบทั้งชิ้นเนื้อตัวอย่างชิ้นเนื้อแล้วนำมาประกอบกันเป็นภาพ 2 มิติที่สมบูรณ์ ในทำนองเดียวกันถ้าต้องการสร้างภาพ 3 มิติ จำเป็นต้องมีการสแกนการรับภาพทั้งทางแนวราบและแนวดิ่ง หลังจากนั้นนำข้อมูลมาสร้างเป็นภาพ 3 มิติ ที่สมบูรณ์ ความละเอียดทางด้านความลึกของจุดโฟกัสของกล้องจุลทรรศน์แบบคอนโฟคอล หมายถึง ความหนาของบริเวณที่กล้องคอนโฟคอลยอมให้แสงผ่านเข้าไปยังตัวรับแสง ค่านี้ส่วนมากจะถูกกำหนดโดยผลลัพธ์ของความยาวคลื่นแสงหารด้วยค่าของรูรับแสงของเลนวัตถุ (Numerical Aperture, N.A.) ของกล้องจุลทรรศน์แบบคอนโฟคอลยกกำลังสองและคุณสมบัติทางแสงของชิ้นเนื้อ จากที่กล่าวมาการจำกัดแสงสะท้อนทางด้านความลึกของชิ้นเนื้อทำให้เราสามารถสร้างภาพ 3 มิติ โดยการเลื่อนจุดโฟกัสไปยังตำแหน่งต่างๆทั้งทางด้านแนวราบและแนวดิ่งนั่นเอง