言語記号には、語-言語 （word-language） や 画像-言語 や 音-言語 などがある。^{（注 1）}
　Ｔ字形 ER手法は、「言語の形態論」 として、「語-言語」 を対象としている。したがって、Ｔ字形 ER手法は、「画像-言語」 を、直接の記述対象とはしていない。

　画像 データ あるいは音声 データ に対して、「認知番号」 が付与されていれば、entity として認知できる。
　ただし、Ｔ字形 ER手法は、（「命題」 形式を前提にして、） 「S-P （主語-述語）」 形式を、entity の記述形式としているので、画像あるいは音声は、認知番号 （主語） に対する「述語 （性質）」として扱われることになる。技術的には、そうしても、齟齬は生じないが、理論的には、画像が 「性質」 となることは不自然である （妥当ではない）。^{（注 2）}
　なぜなら、画像は、それ自体で、「性質 （記述される プロパティ）」 をもっているから。

　「語-言語」 を対象とした記述体系のなかでは、画像は、1つの例外的な記述対象として、「認知番号 ＋ 画像」 という形式を使って記述するしかない。

　なお、電子認証としての 「押印」 が、認知番号を付与されていないなら、「押印」 の権限をもつ従業員の 「VE」 として記述すればよい。

　
（注 1）
　音-言語として、たとえば、動物の鳴き声・叫び声 （あるいは、動作） は、おそらく、動物のあいだでは、記号として使われているので、非言語記号を記号論のなかで研究する領域もある。

（注 2）
　「x は y を指示する」 という指示関係のなかで、x を実物として、y を画像とすれば、画像に対して、認知番号を付与して、画像そのものを ビットマップ などを使った記述であると考えられないこともないが、不自然だと思う。