请解释图像卷积操作的技术内涵，并阐述该操作在卷积神经网络中承担的功能角色。

回答思路

1. 【回答框架 1】图像卷积是使用一个可学习的卷积核（滤波器）在输入图像上滑动，对对应区域执行加权求和并累加偏置，得到特征图的过程。其数学本质是相关运算，与严格卷积相差核旋转。
2. 【回答框架 2】在CNN中，卷积层通过局部连接和权值共享提取局部特征，保留空间结构信息；多个卷积核叠加可提取不同维度的特征，加深网络后能组合出更抽象的高级语义。
3. 【回答框架 3】卷积具有平移等变性、参数共享和局部感受野三大特性，显著减少参数量、提升计算效率，并增强对位置变化的鲁棒性。
4. 【回答框架 4】卷积作用的关键在于特征提取：浅层提取边缘、颜色等基础特征，深层组合成形状、部件等复杂模式。
5. 【回答框架 5】实际应用中，卷积常配合激活函数、池化层使用，以实现非线性变换和下采样，进一步抽象特征并控制计算复杂度。
6. 【关键点 1】卷积=核滑动加权重和加偏置，生成特征图。
7. 【关键点 2】局部连接+权值共享，大幅降低参数量。
8. 【关键点 3】提取局部特征并保留空间结构，浅层基础、深层语义。
9. 【关键点 4】平移等变性提供位置鲁棒性。
10. 【关键点 5】通常配合激活与池化形成完整特征提取模块。
11. 【易错点 1】卷积核大小和步长设定不当会影响感受野和输出尺寸，需结合padding调节。
12. 【易错点 2】混淆相关与严格卷积，影响对实现细节的理解。
13. 【易错点 3】忽略偏置项导致特征表达偏差。