为何图像处理中（互）相关运算不满足交换律？

你测试的示例之所以结果相同，核心原因有两个：一是你选择的模板F = [1, 2, 3]是对称数组（反转后与原数组完全一致）；二是你可能混淆了相关运算中两个操作数的角色——相关运算的本质是一个数组作为模板在另一个数组（信号）上滑动，对应元素相乘求和，交换两者的角色后，结果的长度和内容都会发生变化。

关键原理回顾 #

卷积满足交换律，是因为卷积会先将其中一个数组反转，再做滑动相乘求和；而相关运算不会反转任何数组，直接滑动对应相乘，因此仅当其中一个数组是对称数组时，交换后的结果才会在特定模式下看起来一致，否则交换律不成立。

反例演示 #

我们选择非对称模板和长度不同的信号来验证：

• 非对称模板 T = [1, 0, 2]（反转后为[2, 0, 1]，与原数组不同）
• 信号 S = [3, 2, 1, 4]（长度4）

1. 计算 T corr S（模板T在信号S上滑动，valid模式，仅保留完全重叠的结果）

结果长度为 len(S) - len(T) + 1 = 4 - 3 + 1 = 2：

• 第一个元素：1×3 + 0×2 + 2×1 = 3 + 0 + 2 = 5
• 第二个元素：1×2 + 0×1 + 2×4 = 2 + 0 + 8 = 10
  最终结果：[5, 10]

2. 计算 S corr T（信号S作为模板在T上滑动，same模式，结果长度与原信号T一致）

由于模板S长度大于信号T，需要补零后滑动：

• 第一个元素：3×1 + 2×0 + 1×2 = 3 + 0 + 2 = 5
• 第二个元素：2×1 + 1×0 + 4×2 = 2 + 0 + 8 = 10
• 第三个元素：1×1 + 4×0 + 0×2 = 1 + 0 + 0 = 1
  最终结果：[5, 10, 1]

显然，[5, 10] 和 [5, 10, 1] 长度与内容均不相同，直接证明了相关运算不满足交换律。

补充说明 #

如果坚持使用valid模式，当模板长度大于信号长度时，S corr T 将没有完全重叠的位置，结果为空，与T corr S的非空结果差异更明显。

内容的提问来源于stack exchange，提问作者Zeus Kim