Ujęcie średnie ujmuje postać mniej więcej od pasa w górę. To jedno z najczęściej spotykanych ujęć w kinie. Jest wystarczająco bliskie, aby pokazać mimikę twarzy i emocje, ale jednocześnie wystarczająco dalekie, aby pokazać mowę ciała i gesty. To dystans konwersacyjny. Widzowie czują się, jakby byli w pomieszczeniu z postacią, ale nie bezpośrednio przed nią. To wszechstronne ujęcie, które sprawdza się w dialogach, akcji i ekspozycji.

Ujęcie średnie ma kilka wariantów. Ujęcie średniego zbliżenia ujmuje scenę od klatki piersiowej w górę, ciaśniej niż ujęcie średnie. Ujęcie średniego dystansu ujmuje scenę od kolan w górę, szerzej niż ujęcie średnie. Ujęcie kowbojskie, nazwane tak ze względu na jego zastosowanie w westernach, ujmuje scenę od połowy uda, pokazując pas z bronią postaci. Każda wersja ma inny efekt. Ujęcie średnie jest standardowe. Warianty dostosowują równowagę między intymnością a kontekstem.

Ujęcie średnie jest często stosowane w scenach dialogowych. Pozwala widzom zobaczyć obie postacie w rozmowie lub przełączać się między nimi. Jest również stosowane w scenach akcji, gdzie pokazuje ruch postaci, nie tracąc jednocześnie tła. Jest stosowane w komediach, gdzie uchwyca zarówno puentę, jak i reakcję. Ujęcie średnie nie jest krzykliwe. Jest funkcjonalne. Ale niezbędne. Bez niego film składałby się wyłącznie z zbliżeń i szerokich ujęć, bez żadnego środka.