扩写单层卷积运算利用卷积核在图像局部范围内的像素数据进行处理以提取局部特征；而多层卷积则可以利用多个单层卷积的结果扩大处理范围提取更广泛的特征进而归纳出更为抽象的信息。

单层卷积运算是一种基于卷积核对图像局部像素数据进行处理的方法，通过提取局部特征来识别图像中的目标物体或特征。而多层卷积则是将多个单层卷积的结果进行叠加，形成一个更深的卷积网络，以扩大处理范围，提取更广泛的特征，进而归纳出更为抽象的信息。这种方法可以通过多层卷积和池化操作，逐渐减小图像的尺寸和厚度，并将图像转换为高维特征向量，从而实现对图像的分类、识别和检测等任务。多层卷积神经网络具有很强的非线性拟合能力和自适应特征学习能力，可以处理不同尺寸、不同形状、不同角度和不同光照条件下的图像，并在图像识别、目标检测、人脸识别、自然语言处理等领域中得到广泛应用。