话不多说先上图，我们性感的lena再一次成为试验品，相信大家都知道，应该没有在图像处理方面比这张更经典的图了吧！
效果图：
MAYA工具的效果：
首先演示的是导入图片功能，我提供了右键视窗从文件选择窗口导入，也支持拖拽导入
我们将lena进行预览应用，并且调节数值，这是在高斯模糊的调节。我们可以切换输入通道比如只输入灰度图或者RGB通道全开。
这里演示的是高斯模糊，高反差保留和锐化效果。虽然视频加速了但是和ps里肉眼可见速度可以说是相差无几。
这里我们将lena移除列表，我们从文件夹中批量导入
这里我们用调好的效果对每个图片进行预览，也可以单独打开查看原图大小的窗口。
这个时候我们发现效果很不错，我们想保存修改后的lena，可以看到保存在了指定位置。
最后，我们想得到所有的修改后的图片，这才是我们使用这个工具的意义，如果不能批量导出我们的工具就很鸡肋了，可以看到我们导出所有的图片，并且正确显示。
然后我们来讨论一下原理，首先我们需要使用高反差保留函数对图片进行处理，在这里我将使用OpenCV，因为性能问题我决定使用C++编写。
但是在opencv中我并没有找到高反差保留的函数算法，应该没有，不过没有关系其实原理很简单，高反差保留 = 原图 - 高斯滤波图。
我们只需使用高斯滤波器对图像进行平滑，再使用原图减去平滑之后的图，就得到强化边缘值，用户可以通过调节高斯模糊的半径可以控制得到的边缘的强度。
总而言之我们需要使用高斯滤波。
其实在图像处理中利用高斯滤波一般情况下有两种实现方式：一种是用离散化窗口滑窗卷积，另一种是通过傅里叶变换。最常见的就是第一种滑窗实现，只有当离散化的窗口非常大，用滑窗计算量非常大的情况下会考虑基于傅里叶变换的方法。
一维高斯函数如下：
二维高斯函数如下：
简单来说，高斯函数具有五个重要的性质：旋转对称性，单值函数，傅立叶变换频谱是单瓣的，宽度(决定着平滑程度)是由参数σ表征的，可分离性。这些都是在网上搜索资料可以查到的。
我们只需要简单了解原理和特性就可以实现图像处理效果。
这是我在c++中用到的函数
void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT )
InputArray就是输入图像的路径 OutputArray就是输出图像的路径。
因为高斯滤波在图像处理中常用来对图像进行预处理操作，是相对耗时的操作，于是我利用python调用编译好的C++动态库加速运算。
我们用c++调用的数据转到python是需要定义一个PyObject类型的函数，在参数转化的时候我们要注意函数的数据类型，python和c++是不一样的，我们需要用到Py_BuildValue。
写完函数在进行调用调试时，出现了这样的error，我试了几次才发现原来内核大小只支持奇数，也就是说不能进行偶数操作。只能1,3,5....
功能写完了就要写界面，写界面的时间比写功能的时间长太多，遇到了不少坑，不过最后还是基本上都解决了。
界面我就不具体介绍了，相信大家写的肯定比我好，我就上一张图表示我写过。
具体的代码逻辑原理我日后会更新，目前就是一个效果展示和大概分析，欢迎大家指点！
