cv2.goodFeaturesToTrack()函数

cv2.goodFeaturesToTrack()函数是用来跟踪检测图像中的角点
这里介绍的是C++中的用法

 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 );

Python的用法是

corners=cv.goodFeaturesToTrack(image, maxCorners, qualityLevel, minDistance[, corners[, mask[, blockSize[, useHarrisDetector[, k]]]]])
corners=cv.goodFeaturesToTrack(image, maxCorners, qualityLevel, minDistance, mask, blockSize, gradientSize[, corners[, useHarrisDetector[, k]]])

从函数的定义中可以知道，
输入的参数分别是：

1. image: 输入图像，是八位的或者32位浮点型，单通道图像，所以有时候用灰度图
2. maxCorners: 返回最大的角点数，是最有可能的角点数，如果这个参数不大于0，那么表示没有角点数的限制。
3. qualityLevel: 图像角点的最小可接受参数，质量测量值乘以这个参数就是最小特征值，小于这个数的会被抛弃。
4. minDistance: 返回的角点之间最小的欧式距离。
5. mask: 检测区域。如果图像不是空的(它需要具有CV_8UC1类型和与图像相同的大小)，它指定检测角的区域。
6. blockSize: 用于计算每个像素邻域上的导数协变矩阵的平均块的大小。
7. useHarrisDetector：选择是否采用Harris角点检测，默认是false.
8. k: Harris检测的自由参数。

输出参数：

1.corners: 输出为角点。

部分参考来源：
https://docs.opencv.org/4.1.0/dd/d1a/group__imgproc__feature.html#ga1d6bb77486c8f92d79c8793ad995d541