J.Shi和C.Tomasi在1994年在其论文“Good Features to Track”中，提出了一种对Harris角点检测算子的改进算法——Shi-Tomasi角点检测算子，可以看到，Opencv中函数goodFeaturesToTrack就是直接取自他们论文的名字。

goodFeaturesToTrack有比cornerHarris更多的控制参数，函数原型：

void goodFeaturesToTrack( InputArray image, OutputArray corners,

                                     int maxCorners, double qualityLevel, double minDistance,

                                     InputArray mask=noArray(), int blockSize=3,

                                     bool useHarrisDetector=false, double k=0.04 );

第一个参数image：8位或32位单通道灰度图像；

第二个参数corners：位置点向量，保存的是检测到的角点的坐标；

第三个参数maxCorners：定义可以检测到的角点的数量的最大值；

第四个参数qualityLevel：检测到的角点的质量等级，角点特征值小于qualityLevel*最大特征值的点将被舍弃；

第五个参数minDistance：两个角点间最小间距，以像素为单位；

第六个参数mask：指定检测区域，若检测整幅图像，mask置为空Mat()；

第七个参数blockSize：计算协方差矩阵时窗口大小；

第八个参数useHarrisDetector：是否使用Harris角点检测，为false，则使用Shi-Tomasi算子；

第九个参数k：留给Harris角点检测算子用的中间参数，一般取经验值0.04~0.06。第八个参数为false时，该参数不起作用；

goodFeaturesToTrack检测Shi-Tomasi角点简单demo：

#include "core/core.hpp"

#include "highgui/highgui.hpp"

#include "imgproc/imgproc.hpp"

using namespace cv;   

Mat image;

Mat imageGray;

int thresh=5;   //角点个数控制

int MaxThresh=255;

void Trackbar(int,void*);  

int main(int argc,char*argv[])

{

	image=imread(argv[1]);

	cvtColor(image,imageGray,CV_RGB2GRAY);

	GaussianBlur(imageGray,imageGray,Size(5,5),1); // 滤波

	namedWindow("Corner Detected");

	createTrackbar("threshold：","Corner Detected",&thresh,MaxThresh,Trackbar);

	imshow("Corner Detected",image);

	Trackbar(0,0);

	waitKey();

	return 0;

}  

void Trackbar(int,void*)

{

	Mat dst,imageSource;

	dst=Mat::zeros(image.size(),CV_32FC1);

	imageSource=image.clone();

	vector<Point2f> corners;

	goodFeaturesToTrack(imageGray,corners,thresh,0.01,10,Mat());

	for(int i=0;i<corners.size();i++)

	{

		circle(imageSource,corners[i],2,Scalar(0,0,255),2);

	}

	imshow("Corner Detected",imageSource);

}

goodFeaturesToTrack相比cornerHarris，增加了检测的复杂度，同时也可以更好的控制检测到的角点的特性，比如角点个数，角点间最小间距等。设置检测点数为11时，只有特征值最大的前11个角点被检测出来：

继续增大检测点数的值，所有角点都被检测出来：