如果 $$\mathrm{A.}=\left[\begin{array}{cc}\mathrm{A.}& B\\ B& C\end{array}\right]=\left[\begin{array}{cc}{\displaystyle \sum W^{2.}{我}_x^{2.}}& {\displaystyle \sum W^{2.}{我}_x{我}_Y}\\ {\displaystyle \sum W^{2.}{我}_Y{我}_x}& {\displaystyle \sum W^{2.}{我}_Y^{2.}}\end{array}\right]$$

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

当算法发现的特征值，但他们与阈， $$\tau$$，对应于您的输入值噪声阈所有物结果分为下列情形之一的：

案例1： $${\mathrm{\lambda .}}_{1.}\ge \tau$$和 $${\mathrm{\lambda .}}_{2.}\ge \tau$$

A是奇异的，所以算法解决了用克莱姆法则方程组。

案例2： $${\mathrm{\lambda .}}_{1.}\ge \tau$$和 $${\mathrm{\lambda .}}_{2.}<\tau$$

A为单数（不可逆），因此该算法的归一化梯度流至计算U和v.

案例3： $${\mathrm{\lambda .}}_{1.}<\tau$$和 $${\mathrm{\lambda .}}_{2.}<\tau$$

光流，U和v，是0。