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

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

当算法找到特征值时，它将它们与阈值进行比较， $$\tau$$，该值对应于您为NoiseThreshold财产。结果属于以下情况之一:

案例1: $${\lambda }_1\ge \tau$$而且 $${\lambda }_2\ge \tau$$

A是非奇异的，因此该算法使用克莱默规则求解方程组。

案例2: $${\lambda }_1\ge \tau$$而且 $${\lambda }_2<\tau$$

A是奇异的(不可逆转)，因此算法将梯度流归一化进行计算u而且v．

案例3: $${\lambda }_1<\tau$$而且 $${\lambda }_2<\tau$$

光流,u而且v,是0。