一、goodFeaturesToTrack
1、过程：
1）函数查找图像中或指定图像区域中最突出的角点
（1）函数使用cornerMinEigenVal或cornerHarris计算每个源图像像素的角点质量度量。
（2）函数执行非最大值抑制（保留3 x 3邻域中的局部最大值）。
（3）最小特征值小于qualityLevel*maxx,y qualityMeasureMap(x,y)的角点被拒绝。
（4）其余的角点按质量按降序进行排序。
（5）函数丢弃在小于maxDistance的距离处有更强拐角的每个拐角。
2、参数：参考链接
1）image：8位、32位浮点数的单通道图像
2）corners：检测结果的角点矢量。
（1）类型为vector或数组，由实际给定的参数类型而定。如果是vector，那么它应该是一个包含cv::Point2f的vector对象；如果类型是cv::Mat,那么它的每一行对应一个角点，点的x、y位置分别是两列。
3）maxCorners：检测角点个数。
（1）如果maxCorners<=0，将返回所有被检测的角点
4）qualityLevel：检测到的角点的最小可接受质量水平（通常是0.10到0.01之间的数值，不能大于1.0）
（1）参数值乘以最佳拐角质量度量，即最小特征值（见cornerMinEigenVal）或Harris函数响应（见corner Harris）。
（2）质量指标低于产品的边角将被拒收。例如，如果最佳拐角的质量度量为1500，qualityLevel为0.01，则质量度量小于15的所有拐角都将被拒绝。
5）minDistance：返回的角点之间可能的最小欧几里得距离。
（1）小于这个距离得点将进行合并
6）mask：感兴趣的可选区域，指定检测角的区域。
（1）如果图像不是空的（它需要具有CV_8UC1类型、与图像相同的大小）
（2）mask值为0的部分不进行角点检测
7）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。
（1）表示在计算角点时参与运算的区域大小
（2）一般为3，但是如果图像分辨率较高，则可以考虑使用较大一点的值
（3）请参见cornerEigenValsAndVecs
8）useHarrisDetector：指示是使用Harris检测器（见cornerHarris）还是cornerMinEigenVal
9）k：在使用Harris检测器时使用，最好使用默认值0.04。