如果 $$\mathrm{一个}=\left(\begin{array}{cc}\mathrm{一个}& b\\ b& c\end{array}\right]=\left(\begin{array}{cc}{\displaystyle \sum W^2{我}_x^2}& {\displaystyle \sum W^2{我}_x{我}_y}\\ {\displaystyle \sum W^2{我}_y{我}_x}& {\displaystyle \sum W^2{我}_y^2}\end{array}\right]$$

那么A的特征值是 $${\mathrm{\lambda .}}_{我}=\frac{\mathrm{一个}+c}{2}\pm \frac{\sqrt{4b^2+{(\mathrm{一个}-c)}^2}}{2};我=1,2$$

当算法找到特征值时，它将它们与阈值进行比较， $$\mathrm{\tau .}$$，它对应于您输入的值noisethreshold.财产。结果属于以下情况之一：

案例1: $${\mathrm{\lambda .}}_1\ge \mathrm{\tau .}$$和 $${\mathrm{\lambda .}}_2\ge \mathrm{\tau .}$$

A是非奇形的，所以算法使用Cramer的规则解决了方程式的系统。

案例2： $${\mathrm{\lambda .}}_1\ge \mathrm{\tau .}$$和 $${\mathrm{\lambda .}}_2<\mathrm{\tau .}$$

A是单数（不可行的），因此该算法将梯度流量标准化以计算u和v。

案例3： $${\mathrm{\lambda .}}_1<\mathrm{\tau .}$$和 $${\mathrm{\lambda .}}_2<\mathrm{\tau .}$$

光流动，u和v，是0。