互相关假设两组数据之间存在线性关系。而互信息只假设一个数据集的一个值说明了另一个数据集的值。

因此，互信息做出的假设要弱得多。

使用互信息解决的传统问题是对齐（配准）两种类型的医学图像，例如超声图像和 X 射线图像。（通常，图像的类型称为模态，因此问题称为多模态图像配准）。

对于 X 射线和超声波，一种特定的材料，比如骨头，会导致图像中的某种“亮度”。虽然有些材料会产生明亮的 X 射线和超声图像，但对于其他材料（例如脂肪），情况可能相反，一种是明亮的，另一种是黑暗的。因此，X 射线图像的明亮部分并不是超声波的明亮部分。

因此，互信息仍然是对齐图像的有用标准，但互相关不是。

互相关用于时频分析，是随时间变化的两个函数之间的滞后参数的内积，其中一个函数在时间评估，另一个函数在时间评估。互相关定理将互相关与各个函数的傅立叶变换联系起来，因此在时域中评估的互相关通过该定理与各个函数的频谱特性/频域联系起来。与此类似的情况存在于其他领域，例如分析空间数据。$t$$lag+t$