1. 给标定板图像增加椒盐噪声； 2. 比较直方图均衡、均值滤波、中值滤波、高斯滤波等Halcon算子； 3. 找出滤波后标定板图像中的实心圆，统计实心圆个数；

1. **添加椒盐噪声到标定板图像**：在Halcon中，你可以使用`AddSaltAndPepperNoise`函数来模拟椒盐噪声。你需要提供原始图像、噪声级别（0-1之间的浮点数，越高噪声越明显）、以及随机种子来保证每次运行的结果一致。代码示例：

image = LoadImage("calibration_board.jpg") # 加载原图
noisy_image = AddSaltAndPepperNoise(image, noise_level=0.1, seed=1) # 添加噪声
SaveImage(noisy_image, "noisy_calibration_board.jpg") # 保存处理后的图像

2. **比较Halcon算子**：
- **直方图均衡化**（Histogram Equalization）增强图像对比度，适合于低对比度场景，但可能导致边缘锐利度过高。
- **均值滤波**（Mean Filter）平滑图像，适合去除低频噪声，但可能会模糊细节。
- **中值滤波**（Median Filter）抗噪能力强，能较好地保留边缘，特别适合椒盐噪声。
- **高斯滤波**（Gaussian Filter）更适合去除高频噪声，同时保持图像纹理，但处理速度相对较慢。

3. **寻找并统计实心圆**：
- 先对上述任一滤波后的图像进行边缘检测（比如`FindEdges`）。
- 然后使用`FindCircles`查找圆形区域，设置适当的参数如最小/最大半径。

   edges = FindEdges(noisy_image)
   circles = FindCircles(edges, min_radius, max_radius)
   circle_count = len(circles)

最后统计得到的`circle_count`就是实心圆的个数。