J.Shi和C.Tomasi在1994年在其論文“Good Features to Track”中，提出了一種對Harris角點檢測運算元的改進演算法——Shi-Tomasi角點檢測運算元，可以看到，Opencv中函式goodFeaturesToTrack就是直接取自他們論文的名字。

goodFeaturesToTrack有比cornerHarris更多的控制引數，函式原型：

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 );
 

第二個引數corners：位置點向量，儲存的是檢測到的角點的座標；

第三個引數maxCorners：定義可以檢測到的角點的數量的最大值；

第四個引數qualityLevel：檢測到的角點的質量等級，角點特徵值小於qualityLevel*最大特徵值的點將被捨棄；

第五個引數minDistance：兩個角點間最小間距，以畫素為單位；

第六個引數mask：指定檢測區域，若檢測整幅影象，mask置為空Mat()；

第七個引數blockSize：計算協方差矩陣時視窗大小；

第八個引數useHarrisDetector：是否使用Harris角點檢測，為false，則使用Shi-Tomasi運算元；

第九個引數k：留給Harris角點檢測運算元用的中間引數，一般取經驗值0.04~0.06。第八個引數為false時，該引數不起作用；

goodFeaturesToTrack檢測Shi-Tomasi角點簡單demo：

#include "core/core.hpp"  
#include "highgui/highgui.hpp" 
#include "imgproc/imgproc.hpp"

using namespace cv;   

Mat image;
Mat imageGray;
int thresh=5;   //角點個數控制
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); // 濾波
	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，增加了檢測的複雜度，同時也可以更好的控制檢測到的角點的特性，比如角點個數，角點間最小間距等。設定檢測點數為11時，只有特徵值最大的前11個角點被檢測出來：

繼續增大檢測點數的值，所有角點都被檢測出來：