卷积与旋转 180 度的滤波器相关。如果滤波器是对称的，如高斯或拉普拉斯，这没有区别。但是当滤波器不对称时，它会产生很大的不同，比如导数。

我们需要卷积的原因是它是关联的，而相关性通常不是。要了解为什么这是真的，请记住卷积是频域中的乘法，这显然是关联的。另一方面，频域中的相关性是复共轭的乘法，它不是关联的。

卷积的关联性允许您“预卷积”过滤器，因此您只需要将图像与单个过滤器进行卷积。例如，假设您有一张图片$f$, 你需要与之卷积$g$然后与。 。这意味着您可以和卷积为单个过滤器，然后将与其卷积。和进行卷积，这很有用。您可以预先计算，然后重复使用次。$h$$f * g * h = f * (g * h)$$g$$h$$f$$g$$h$$k = g * h$$k$

所以如果你在做模板匹配，即寻找一个单一的模板，相关性就足够了。但是如果你需要连续使用多个滤镜，并且需要对多张图片执行这个操作，那么提前将多个滤镜卷积成一个滤镜是有意义的。