信号系統中的基本運算相關和卷積，在實際的圖像進行中就表現為鄰域運算，鄰域運算和點運算構成了最基本、最重要的圖像處理手段。
上圖可看出一個點的鄰域定義為以該點為中心的一個圓内部或邊界上點的集合，這就統一了鄰域和點運算。現舉例，若中間+點坐标為（x，y），則看下式
上式是對中間點及其上下左右四個點構成的鄰域進行了均值運算，若再做下列轉換：
這個更為一般的公式就是我們所熟知的權重平均了，隻是這種扯開來的表達形式太過冗長，如是能用矩陣表示則一個矩陣表示某點（x，y）及其上下左右坐标下的f值，将這幾個值按制定位置排好；另一個矩陣就是權重的系數了，不同的系數與f作用後就能得到不同的效果或結果，在圖像進行中，這個f值一般是灰階值（8bit灰階值為0~255任意一個），而權重的系數矩陣稱為濾波器、掩膜、模闆或核、視窗，前三個的叫法更普遍，但意思是一樣的。
上面說了，信号系統中的基本運算相關和卷積，在實際的圖像進行中就表現為鄰域運算，兩者是如何一樣的呢。
信号上，兩個連續函數f(x)與g(x)的相關記做
，而二者卷積記做
，信号中我們已經知道，相關與卷積是兩個完全不同的概念，隻是數學公式上的相近使得二者在計算上幾乎可以互相通用。
給定圖像f(x,y)大小為N×N，模闆T(i,j)大小m×m（m為奇數），常用的相關運算定義為: 使模闆中心T((m-1)/2,(m-1)/2)與f(x,y)對應， 則圖像中的相關公式為:
,如果m取常用的3，則
相關運算是将模闆當權重矩陣作權重平均。
而卷積計算，
可見卷積是模闆先沿縱軸翻轉，再沿橫軸翻轉後再權重平均的。
但這裡有兩點需要解釋：
一是相關和卷積中，f(x,y)為何與T(1,1)對應，按理說将系數與f裡的位置在标記上就完全對應是很友善記憶的。在讨論原理時确實可以這麼定義的，但我們感興趣的不是模闆的原理而是對圖像中任意一點(x,y)進行m*m掩膜處理得到相應R，實踐中更有簡化的記法如下：
其中w為掩膜系數，z為該系數對應的灰階值，mn為掩膜中包含的像素點的總數。系數矩陣這種友善的記法是左上角為w1，右下角為w9，見下面這個圖。
第二點需要解釋的是“模闆先沿縱軸翻轉，再沿橫軸翻轉後再權重平均的”，這縱軸、橫軸的中心是上圖的W5，這兩次翻轉的結果就是繞中心點轉個180度，然後再與各個像素點下的f值相乘。可見與信号系統上一樣，圖像上的相關與卷積計算也是可用同一個模闆，隻是将模闆轉一個180度就行了，其實轉回到信号上，信号中卷積計算時就是其中一個函數先關于y軸對稱再計算雲雲，也就是翻轉了180度。
如果模闆是對稱的，那麼相關與卷積運算結果完全相同。實際上常用的模闆如平滑模闆、邊緣檢測模闆等都是對稱的，因而這種鄰域運算實際上就是卷積運算，用信号系統分析的觀點來說，就是濾波，對應于平滑濾波或稱低通濾波、高通濾波等情況。這裡隻說了鄰域的初步，至于其應用的原理以後再說。