Задача - разложить картинку на частотные составляющие, а затем сложить вместе и получить приемлемый результат.
Что считаем за частоту (как критерий), нас интересует размер элементов - это и будет критерием.
Поясним - считаем, что чем больше размер тем ниже частота, но размер подразумеваем как размер размытия по Гауссу.
Получается, чтобы выделить низкочастотную составляющую изображения, к нему нужно применить Гауссово размытие, для выделения верхней частоты полосы нам нужно применить высокочастотный фильтр, в Фотошопе это фильтр HighPass.

Хорошо, разделить изображение не сложно, как его собрать обратно ?
Если говорить о фотошопе, то на основе ВЧ фильтра HighPass смотрим для каждого пиксела, на сколько его яркость отличается от средне серого (127) и нужно внести эти данные в изображение полученное с помощью НЧ фильтра Gaus Blure.
Для этого в режиме наложения слоев есть интересный режим Linear Light. Есть одна особенность в работе этого режима, а именно коэффициент 2, откуда появляется - формула по которой работает режим L = A + 2 * (B - 128),  где L - результат наложения, A - цвет нижнего слоя, B - цвет накладываемого слоя. Формула применяется по каналам раздельно.

 Если нижним слоем будет изображение после НЧ фильтра, а верхним после HighPass, получим изображение с удвоенными по силе деталями. Значит, результат после ВЧ фильтра нужно ослабить, т. е. вдвое уменьшить контраст. Для этого создадим корректирующий слой с кривыми где выставим яркости темной точки в 64 а для светлой 192 (форма кривой - возрастающая прямая).
Редактирование результата НЧ  фильтрации позволяет поправить - плохой макияж, ошибки света, мешки под глазами и т.п., при этом фактура кожи остается не затронутой поскольку мелкие детали у нас в ВЧ слое.
Результат ВЧ фильтрации позволяет аккуратно убрать веснушки, шрамы, морщины.

Рецепт редактирования женского портрета :
Разделим на 3-и частотные полосы, так чтобы на НЧ части нежелательные детали (в примере -веснушки) исчезли, для этого из копии исходного изображения создаем SmartObject к нему применяем фильтр Gaus Blure, подбираем радиус радиус размытия как компромисс между НЧ фильтром и ВЧ фильтром (в примере получили = 9).
Создаем SmartObject для ВЧ части к нему применяем фильтр HighPass с радиусом ~ 2, так чтобы стали проявляться веснушки. Для СЧ части - фильтр HighPass должен цепляться за нижнюю и верхнюю части предыдущих частей.
Поправляем результаты согласно нашим представлениям о красоте.

Рецепт простого варианта ретуши :
Создаем СЧ фильтр, так чтобы в него входили детали которые нам ненужны в итоговом результате применяем фильтры Gaus Blure (10) + HighPass (~24), итог инвертируем и создаем из него SmartObject + корректирующая кривая учитывающая коэффициент 2 и наложение LinearLight.
Далее создаем маску скрывающую ненужные детали.

Внутри группы "Разложение изображения" создаем группу "ВЧ часть фильтра" в которую перенесем вторую копию изображения,
к ней применим фильтр HighPass с значением 10,
создадим корректирующий слой с кривыми для коррекци контраста (прямая 64 - 192) и изменим режим наложения группы "ВЧ часть фильтра" на LinearLight.
Проверим, что наши действия приводят к адекватному результату.
Изменяя видимость группы "Разложение изображения" сравниваем ее с исходным слоем, если все сделано правильно разницы не заметим.

Смысл проделанных действий - мы провели границу частотного разделения по радиусу 10,
теперь все что касается Нижних частот будет находиться в слое с размытием по Гаусcу, а все что связанно с Высокими частотами будет внутри группы "ВЧ часть фильтра"
Если нам понадобиться разделить на три полосы частот, НЧ СЧ ВЧ, то нам нужно будет внутри группы "ВЧ часть фильтра",
произвести действия аналогичные для получения группы "Разложение изображения", а именно сделать две копии результата фильтра HighPass (10), к первой применить размытие по Гаусу с меньшим радиусом размытия (2,4),
к второй применить фильтр HighPass с радиусом 2.4, создать вложенную группу в "ВЧ часть фильтра" куда поместить результат HighPass (2,4) c корректирующими кривыми (прямая 64-192) и изменить режим наложения группы на LinearLight.