千秋正在进行新视角合成与实时渲染方面的科研工作。现在，他得到了一张渲染出的图像 $I$，与真实图像 $K$。
图像是由高为 $h$，宽为 $w$ 的像素组成的，每个像素又需要 $r,g,b$ 三个颜色值，分别表示 RGB 三通道颜色。
因此，一张图像可以被简单理解为 $h\times w\times 3$ 个数的集合。$w, h$ 分别表示图像像素的宽度和高度，$3$ 表示 RGB 三颜色通道。我们分别用 $I(i,j,k)$ 和 $K(i,j,k)$ 表示第 $i$ 行第 $j$ 列，颜色通道 $k(k\in \{\texttt{R},\texttt{G},\texttt{B}\})$ 的像素值，值的范围为 $0\sim 255$。
峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）是衡量两张图像相似程度的重要指标，其计算公式如下：
$$M=\dfrac{1}{3wh}\sum\limits_{k\in \{\texttt{R},\texttt{G},\texttt{B}\}}\sum\limits_{i=1}^{h}{\sum\limits_{j=1}^{w}{(I(i,j,k)-K(i,j,k))^2}}$$
$$\operatorname{PSNR}=20\cdot \log_{10} (\dfrac{255}{\sqrt{M}})$$
渲染的图像与真实图像必然有细微的区别，因此可以保证 $M>0$。
千秋想要展示他高质量的渲染细节。千秋可以选择任意宽度不小于 $\dfrac{w}{2}$，且高度不小于 $\dfrac{h}{2}$ 的子图像。请问，千秋选择的子图像，其最大 PSNR 值为多少。
子图像是指，图像中任意连续的矩形形状的像素的集合。
## Input
第一行为两个整数 $h,w$，分别表示图像的高度与宽度。
接下来 $h$ 行，每行 $w$ 个非负整数，表示图像 $I$ 颜色通道 R 的像素值 $I(i,j,\texttt{R})$。
接下来 $h$ 行，每行 $w$ 个非负整数，表示图像 $I$ 颜色通道 G 的像素值 $I(i,j,\texttt{G})$。
接下来 $h$ 行，每行 $w$ 个非负整数，表示图像 $I$ 颜色通道 B 的像素值 $I(i,j,\texttt{B})$。
接下来 $h$ 行，每行 $w$ 个非负整数，表示图像 $K$ 颜色通道 R 的像素值 $K(i,j,\texttt{R})$。
接下来 $h$ 行，每行 $w$ 个非负整数，表示图像 $K$ 颜色通道 G 的像素值 $K(i,j,\texttt{G})$。
接下来 $h$ 行，每行 $w$ 个非负整数，表示图像 $K$ 颜色通道 B 的像素值 $K(i,j,\texttt{B})$。
## Output
输出一行一个浮点数，表示子图像可以取得的最高 PSNR 值。
假设你输出的值为 $o$，标准答案为 $a$，当 $\dfrac{|o-a|}{\max(1, |a|)}<10^{-2}$ 时，你的答案被认为正确。
[samples]
## Note
**【数据规模与约定】**
对于 $100\%$ 的测试数据，$1 \le w, h \le 64$，$1 \le I(i,j,k), K(i,j,k) \le 255$。
**【提示】**
1. $\sum$ 符号表示求和。例如，$\sum\limits_{i}^n{a_i}=a_1+a_2+\cdots+a_n$。
2. $\log_{10}(x)$ 表示对 $x$ 进行以 $10$ 为底数的对数运算。对于 C/C++ 语言，可以直接使用 `cmath` 头文件中的 `log10` 函数计算结果。
3. 将输出保留两位小数以上，可以保证不会由于精度误差导致的答案错误。